Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Pengenalan rambu lalu-lintas merupakan salah satu tugas yang harus dilaksanakan oleh sebuah mobil pintar_ Pada kondisi jalan sebenarnya, masalah yang dihadapi akan meliputi bervariasinya kuat cahaya, perubahan skala rambu karena perubahan jarak, dan adanya noise pada rambu. Sebuah sistem pengenalan rambu yang baik akan dipersiapkan untuk mengatasi masalah-masalah tersebut. Pada Skripsi ini, dicoba untuk merancang sebuah sistem pengenalan rambu yang dipersiapkan untuk berhadapan dengan masalah-masalah di atas. Sistem ini masih bersifat off-line. Citra yang dipakai adalah citra basil pemotretan, sedangkan keluaran berupa pengenalan jenis rambu. Rambu yang dikenali dibatasi hanya yang tepinya berwarna merah saja. Untuk mengatasi masalah bervariasinya kuat cahaya, segmentasi rambu dari lingkungan memakai basis sistem wama HSI. Sistem warna ini mendeskripsikan sebuah warm dalam 3 komponen terpisah. Hue dipakai untuk menyatakan wama dominan yang dilihat pengamat, saturasi menyatakan kemurnian relatif dari warna tersebut, atau jumlah warna putih yang tercampur dengan kue tersebut, sedangkan kuat Iemahnya cahaya dinyatakan dalam intensitas. Pengenalan bentuk dan citra rambu yang sudah tersegmentasi dilakukan oleh jaringan saraf tiruan (ANN T Artificial Neural Networks). Jaringan yang dipakai berupa jaringan bertingkat antara Kohonen dan Propagasi Balik (Backpropagation). Modus kerja jaringan Kohonen adalah unsnpervis-ed, sedangkan Propagasi Balik bersifat supervised. Penggabungan keduanya diharapkan memberikan kineda yang lebih balk. Agar fungsi ANN hanya kepada pengenalan bentuk dan bukan warna rambu, maka citra rambu tersegmentasi diubah terlebih dahulu menjadi citra monokrom. Selanjutnya dilakukan proses penghalusan (smoothing) terhadap citra monokrom untuk memperbaiki kualitas citra. Ekstraksi eiri masukan ke ANN dilakukan dengan teknik ekstraksi ciri spektrum daya Fourier.

Abstrak :
Buku yang berjudul Pravila dorozhnogo dvizheniya rossijskoj federatsii ini dipersembahkan oleh pemerintah Federasi Rusia; teknik editor, N. D. Kovalenko, dan V. V. Semenychev. Buku ini berisikan tentang rambu-rambu lalu lintas dalam bahasa Rusia, buku ini sangat menarik karena dilengkapi dengan gambar-gambar berwarna.

Abstrak :
ABSTRAK
Jakarta selain sebagai ibu kota negara juga sebagai pusat perdagangan dan kota untuk kunjungan pariwisata sehingga hal tersebut membuat banyak orang baik dari luar Jakarta maupun dari luar negeri untuk datang ke Jakarta dengan banyak kepentingannya.

Aspek terpenting untuk mendukung hal tersebut adalah adanya jalur - jalur transportasi terurama jalur transportasi darat yang mendukung sehingga membuat para pengemudi ataupun para pengguna jalan dapat dengan mudah untuk menjangkau lokasi - lokasi yang dikehendaki.

Jalan - jalan di Jakarta dalam hal teknis terutama untuk konstruksinya umumnya sudah memenuhi standard tetapi untuk hal yang lainnya kurang mendapat perhatian dan divas Lalu lintas jalan raya yaitu mengenai Petunjuk Jalan bagi para pengguna jalan atau yang disebut Rambu rambu lalulintas petunjuk jalan (Possitive Guidance). Rambu- rambu petunjuk jalan adalah terpenting karena jalan tanpa adanya ""Possitive Guidance"" yang benar akan sering membuat para pengguna jalan kebingungan atau bahkan dapat tersesat sehingga pengguna jalan tidak dapat sampai ke tempat yang dituju.

Pada penyusunan tugas akhir ini penulis membahas tentang rambu-rambu petunjuk jalan yang ada pada wilayah Jakarta Timur dan Jakarta Pusat, sedangkan evaluasi yang penulis gunakan adalah dalam segi teknis yaitu berdasarkan jarak pandangan henti atau ""Stoping Sight Distance"" dan juga berdasarkan desain kriteria. Dari analisa tersebut akan dapat diketahui tentang keadaan rambu tersebut apakah memang tepat dalam penempatannya ataukah tidak.

---

Abstrak :
Skripsi ini membahas analisis perbandingan dua sistem pengenalan rambu lalu lintas yaitu menggunakan metode Generative Learning (GL) dan Support Vector Machine (SVM). GL merupakan metode pengenalan yang baru dikembangkan di mana sampel training dihasilkan dengan memvariasikan sampel yang ada berdasarkan parameter tertentu sehingga dapat mempermudah pembuatan citra untuk training serta dapat memberikan hasil pengenalan yang lebih baik. SVM merupakan metode pengenalan yang telah banyak digunakan dan menggunakan karakteristik vektor untuk memisahkan objek dari latar belakangnya. Sambil berjalan, rambu-rambu lalu lintas direkam oleh kamera video di atas kendaraan bermotor yang hasil rekamannya dianalisis menggunakan kedua metode tersebut. Hasil pengenalan rambu lalu lintas yang dianalisis dalam beberapa kondisi seperti jumlah sampel training, resolusi video, tingkat kecerahan sekitar, dan kecepatan kendaraan kemudian dibandingkan dan dianalisis tingkat akurasinya. Dari hasil percobaan didapat bahwa akurasi pengenalan metode GL lebih baik dibandingkan SVM yaitu dengan persentase masing-masing 95,56% dan 94,67%. ......This thesis discusses the comparative analysis of two traffic signs recognition system using Generative Learning (GL) and Support Vector Machine (SVM) methods, respectively. GL is a newly developed method in which the training samples are generated by varying samples based on certain parameters which makes it easier to the training images and produce better recognition result. SVM is a method that has been widely used which uses vector characteristics to separate objects from its background. Traffic signs are recorded using a video camera in a moving motorcycle and videos of them are analyzed using both methods. The accuracy of recognition results will be compared under some conditions, such as the number of training imageries, video resolutions, and lighting conditions, and vehicle’s speed. Recognition results showed that GL has better accuracy than SVM, with percentage of 95.56% and 94.67%, respectively.

Abstrak :
ABSTRAK
Jalan tegar beriman merupakan jalan provinsi dan jalan utama menuju pusat pemerintahan kabupaten bogor. Salah satu permasalahan pada jalan ini adalah sering terjadinya kecelakaan lalu lintas. Oleh karena itu, penelitian ini bertujuan untuk mengidentifikasi lokasi rawan kecelakaan, mengetahui kondisi geometri, rambu, fasilitas pendukung lainnya pada lokasi rawan kecelakaan di Jalan Tegar Beriman, serta memberikan rekomendasi terkait pembenahan infrastruktur jalan sesuai dengan kondisi dan penyebab kecelakaan di setiap lokasi. Metode-metode yang digunakan di dalam penelitian ini meliputi, metode AEK, metode Bina Marga, metode KSI, dan metode WSI. Lokasi rawan yang teridentifikasi yaitu Sta 0+000?Sta 0+500, Sta 0+600?Sta 1+100, dan Sta 2+700?Sta 3+000. Rekomendasi perbaikan yang diberikan berdasarkan penyebab kecelakan sehingga diharapkan dapat meningkatkan keselamatan jalan tersebut.

---

ABSTRAK Jalan Tegar Beriman is a provincial road and main access to Bogor governmental region. One of traffic problems on this road is safety. Therefore, this research is conducted to identify black spots along Jalan Tegar Beriman, observe the road?s geometric, traffic signs, other supporting facilities, and also to recommend improvements that can be done in regards to road infrastructure based on road conditions and causes of accidents. The methods that are used to identify black spots are AEK, Bina Marga, KSI, and WSI. The analysis shows that black spots are identified at Sta 0+000?Sta 0+500, Sta 0+600?Sta 1+100, and Sta 2+700?Sta 3+000. Recommendations for improvement will be given based on the causes of the accidents, which is expected to improve the road safety.

Abstrak :
Dalam mendesain rambu, perancang harus menempatkan rambu agar terbaca pada jarak membaca maksimum dan juga jarak deteksi yang lebih atau sama dengan jarak membaca maksimum. Hal tersebut menjadi penjadi penting agar pengemudi dapat mengenali dan mambaca rambu pada waktu yang paling lama. Jurnal ini mengevaluasi beberapa faktor seperti kecepatan dan waktu tempuh kendaraan yang mempengaruhi jarak deteksi rambu dan jarak membaca rambu. Selain itu kedua jarak tersebut juga dibandingkan dengan jarak membaca desain. Eksperimen dilakukan pada malam hari dengan 35 responden yang memiliki surat izin mengemudi yang valid untuk mendeteksi dan membaca 6 rambu pendahulu petunjuk jurusan di persimpangan tidak bersinyal. Evaluasi rambu akan dilakukan berdasarkan jarak pandang henti, penempatan rambu, serta jarak deteksi dan membaca rambu. Dari penelitian pada jalan yang ditinjau hanya 1 dari 6 rambu yang memenuhi persyaratan sehingga dapat dianggap aman. ......A traffic sign needs to be located at a distance that allows drivers to read and understand the message prior to their decision in maneuvering. The study is aimed at finding factors that determine the drivers reading distance and detection distance at intersections without traffic lights. A number of 35 participants with valid driver rsquo s license were asked to detect and read 6 advance guide signs using at intersection without traffic lights. Factors that potentially determine signs readability and visibility such as speed, travelling time, deceleration, and acceleration of vehicles which affect signs detection distance and reading distance are analyzed using multivariate regression. The experiment was conducted during night time to present heavier driving and sign reading environment. The positions of the signs are evaluated based on the stopping sight distances, actual sign positions and the detection and reading distances. Based on this study, only one out of six signs that can be considered good sign safe.

Abstrak :
Penelitian ini membahas teknik segmentasi warna berbasis RGB Chromaticity Diagram ternormalisasi, untuk ekstraksi simbol dan karakter pada citra rambu lalu lintas. Teknik yang diusulkan adalah memisahkan warna biru pada latar belakang rambu petunjuk lalu lintas. Hal tersebut dilakukan dengan memanfaatkan histogram yang dikembangkan pada diagram kromatisitas untuk penentuan nilai ambang segmentasi secara otomatis. Selain itu, teknik morfologi citra dan proyeksi histogram digunakan untuk ekstraksi simbol dan karakter. Dari hasil eksperimen diperoleh bahwa teknik yang diusulkan dapat mengekstrak simbol dan karakter dengan rata-rata ekstraksi 97.3%. ......This research describes a normalized color segmentation technique based on RGB Chromaticity Diagram, for the extraction of symbols and characters in the image of the traffic signs. The proposed technique is to separate the blue color of the background traffic signs. This is done by using a histogram that was developed in the chromaticity diagram for the determination of the threshold value segmentation automatically. In addition, the image morphology technique and projection histogram are used for the extraction of symbols and characters. From the experimental results obtained that the proposed technique can extract symbols and characters with an average extraction is 97.3%.