| dc.description.abstract | Kendaraan adalah alat transportasi yang sering digunakan masyarakat dalam kegiatan sehari-hari. Seiring berjalan nya waktu jumlah populasi kendaraan di Indonesia meningkat sangat tinggi. Akibatnya terjadi banyak kemacetan di mana-mana, apalagi di pintu masuk dan keluar gerbang tol yang menggunakan sistem penggolangan jenis kendaraan yang dirasa kurang efisien untuk saat ini. Untuk itu dilakukan perancangan sistem yang mampu mengatur lajur kendaraan yang akan masuk dan keluar gerbang tol secara otomatis tanpa harus dilakukan penggolongan jenis kendaraan sehingga dapat mengurangi kemacetan yang ada pada gerbang tol serta dapat menghitung volume jumlah kendaraan secara otomatis berdasarkan jenisnya. Perancangan pada sistem ini menggunakan metode Convolutional Neural Network (CNN) sebagai pengolah data citra. Seluruh database penelitian menggunakan citra gambar sebagai data input dan data output yang di antara nya adalah Mobil MVP, Mini bus, Bus, dan Mobil pickup. Metode Convolutional Neural Network (CNN) akan menghasilkan nilai parameter training sebagai acuan dalam deteksi dan klasifikasi jenis kendaraan.. Seluruh database penelitian menggunakan 200 gambar dari jenis kendaraan, data tersebut merupakan data training dan data uji, di mana data training menggunakan 200 gambar yang terdiri dari 40 gambar (Minibus), 40 gambar (Bus), 40 gambar (Mobil MVP), 40 gambar (Pick Up), dan 40 gambar campuran dari (Minibus, Bus, Mobil MVP, dan Pick Up) dan data uji 25 gambar (Minibus, Bus, Mobil MVP, Pickup, dan gambar campuran). Pada penelitian ini menunjukkan rata-rata akurasi sebesar 81,94% pada seluruh pengujiannya dengan iterasi sebesar 10.000 | en_US |
