Klasifikasi Kendaraan Bermotor Menggunakan Pengolahan Citra Dengan Metode Linear Discriminant Analysis (LDA) Pada Jasa Parkir Modern

Pratama, Akhmad Diki Wahyu (2018) Klasifikasi Kendaraan Bermotor Menggunakan Pengolahan Citra Dengan Metode Linear Discriminant Analysis (LDA) Pada Jasa Parkir Modern. Diploma thesis, Politeknik Perkapalan Negeri Surabaya.

Text 0914040055 - Akhmad Diki Wahyu Pratama - Klasifikasi Kendaraan Bermotor Menggunakan Pengolahan Citra Dengan Metode Linear Discriminant Analysis (LDA) Pada Jasa Parkir Modern.pdf Restricted to Repository staff only Download (1MB)

Abstract

Pengembangan teknologi pada beberapa tahun terakhir ini berkembang sangat pesat. Pengembangan yang dilakukan yaitu tentang pengklasifikasian kendaraan bermotor terutama pada kendaraan roda empat atau lebih dengan masing-masing kekurangan dan kelebihan yang dimiliki. Sistem pengenalan objek menggunakan citra merupakan salah satu cara untuk melakukan klasifikasi tersebut. Dilain sisi dengan peningkatan kendaraan yang tinggi di daerah perkotaan perlu didukung dengan fasilitas parkir yang memadai. Sistem klasifikasi kendaraan bermotor menggunakan pengolahan citra dengan Linear Discriminant Analysis sebagai bantuan metode pengolahan citra. Memungkinkan untuk diciptakannya sebuah sistem jasa parkir modern yang dapat mengklasifikasi kendaraan secara otomatis. Linear Discriminant Analysis (LDA) merupakan metode klasik untuk analisis multivariat, dimana bertujuan untuk mendapatkan cara yang efisien dalam menyajikan ulang jenis kendaraan dengan data pelatihan dibagi dalam beberapa kelas atau kategori kategori kendaraan. Data gambar dalam data pelatihan dibagi ke dalam beberapa kelas sesuai dengan kelompoknya. Hasil dari penerapan metode Linear Discriminant Analysis sebagai pengklasifikasi kendaraan yaitu memiliki tingkat keberhasilan sebesar 85%. Tingkat keberhasilan kelas sedan sebesar 90%, tingkat keberhasilan kelas bus sebesar 60%, tingkat keberhasilan kelas truk sebesar 100%, dan untuk tingkat keberhasilan data random sebesar 90%. Penentuan nilai proyeksi tiap kelas pada tugas akhir ini ditentukan berdasarkan nilai eigenvektor terbaik yaitu 0.7332 , 0.6801 dari perhitungan data training.

Actions (login required)

View Item