SISTEM PENDETEKSI KECEPATAN KENDARAAN MENGGUNAKAN HAAR CASCADE BERBASIS RASPBERRY PI

PANJI AHMAD NURHUSNI, . (2021) SISTEM PENDETEKSI KECEPATAN KENDARAAN MENGGUNAKAN HAAR CASCADE BERBASIS RASPBERRY PI. Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

[img] Text
Panji Skripsi.pdf
Restricted to Registered users only

Download (3MB)

Abstract

Penelitian ini bertujuan mengembangkan sistem program yang dapat mengidentifikasi kendaraan di jalan raya dan mendeteksi kecepatan kendaraankendaraan tersebut. Sistem ini dikembangkan pada Raspberry Pi menggunakan Python 3.7. Metode pada penelitian ini menggunakan metode Haar cascade untuk melakukan pengidentifikasian dan pelacakan korelasi untuk pelacakan obyek kendaraan pada rekaman video. Pengujian dilakukan dengan menggunakan rekaman-rekaman video kendaraan di jalan raya dengan variasi nilai kecepatan yang berbeda. Dua metode analisis digunakan untuk mengevaluasi performa sistem dalam mengidentifikasi kendaraan dan mendeteksi kecepatannya. Nilai kecepatan asli dan jumlah kendaraan pada rekaman video dibandingkan dengan nilai yang dideteksi untuk mengukur performa sistem. Pengidentifikasian kendaraan dengan metode Haar cascade memperoleh nilai tingkat pendeteksian sebesar 96,32% dan nilai tingkat positif benar sebesar 96,91%. Pendeteksian kecepatan kendaraan yang dilakukan dengan program ini memperoleh rata-rata persentase error sebesar 3,48% dan rata-rata persentase akurasi sebesar 96,52% dengan rata-rata rentang sebesar ±1,72 km/jam. This study aimed to develop a system to identify vehicles on the highway and detect their speed. The system was developed on Raspberry Pi using Python 3.7. In this study, Haar cascade was used to identify the vehicle objects on the video streams and the identified objects were tracked using correlation tracking. The method was tested using videos that show vehicle movement on the highway with various speed values. Two analysis methods were used to evaluate the performance of the system in identifying vehicles and detecting their speed. The actual vehicle speed and the actual amount of vehicles on the video records were compared with the detected values to measure the performance. Vehicle identification using Haar cascade on this research obtained detection rate of 96.32% and true positive rate of 96.91%. Vehicle speed detection using this program obtained average error of 3.48% and average accuracy of 96.52% with average interval of ±1.72 km/hours.

Item Type: Thesis (Sarjana)
Additional Information: 1). Dr. Hadi Nasbey, S.Pd., M.Si ; 2). Riser Fahdiran, M.Si.
Subjects: Sains > Fisika
Divisions: FMIPA > S1 Fisika
Depositing User: Users 14629 not found.
Date Deposited: 12 Jul 2022 06:58
Last Modified: 12 Jul 2022 06:58
URI: http://repository.unj.ac.id/id/eprint/31691

Actions (login required)

View Item View Item