SISTEM DETEKSI DAN KLASIFIKASI SPEED BUMP BERBASIS IMAGE PROCESSING

---

• Dipublikasikan pada 18 Oktober 2024

Abstrak

Speed bump adalah gundukan yang dibuat melintasi di jalan untuk membatasi kecepatan laju kendaraan dan berfungsi untuk pengendara kendaraan bermotor untuk memperlambat laju kendaraan. Akan tetapi masih terdapat pelanggaran pembuatan speed bump yang tidak sesuai dengan Permenhub No. 14 Tahun 2021 yang dapat menimbulkan kecelakaan lalu lintas dan merusak kendaraan terutama pada bagian pegas dan shock absorber. Namun sayangnya masih belum terdapat teknologi yang dapat mendeteksi dan mengklasifikasikan speed bump. Selain itu, walaupun sudah terdapat beberapa penelitian sebelumnya, namun masih terdapat beberapa kelemahan, seperti tidak bisa untuk mengukur ketinggian speed bump, hanya bisa mendeteksi unmarked speed bump, belum menerapkan deteksi speed bump secara realtime. Oleh karena itu penulis mengusulkan Sistem Deteksi dan Klasifikasi Speed Bump Berbasis Image Processing. Penelitian ini menggunakan model deteksi objek SSD MobileNet dengan framework Tensorflow. Framework Object Detection Tensorflow ini mengimplementasikan metode Convolutional Neural Network (CNN). Dataset speed bump diperoleh dari berbagai sumber dan kemudian di training menggunakan model pra-terlatih SSD MobileNet. Proses training menghasilkan model yang dapat digunakan untuk mendeteksi objek speed bump. Dari hasil pengujian seluruh sistem yang telah dilakukan didapatkan presentasi akurasi deteksi tertinggi sebesar 80,7% pada intensitas Cahaya 10.000 lux dan holder kamera diletakkan pada spion kanan. sistem deteksi dapat dilakukan secara realtime dan sistem pemetaan dapat melakukan proses pin point pada GMaps secara otomatis. 

 

Kata Kunci: Deteksi, klasifikasi, Speed Bump, Tensorflow.