Hasil Pencarian  ::  Simpan CSV :: Kembali

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.