Klasifikasi Kendaraan menggunakan Ekstraksi ciri HOG menggunakan metode KNN

Abstract

Kendaraan yang dapat dikendalikan secara automatis saat ini telah banyak dikembangkan oleh perusahaan. Kebutuhan utama yang dibutuhkan untuk mobil otonom adalah deteksi halangan atau deteksi objek yang berada di depannya. Hal ini diperuntukan untuk menghindari kecelakaan. Metode untuk deteksi halangan pada mobil otonom yang sering digunakan yaitu metode image processing. Algoritma yang digunakan pada penelitian ini adalah metode ekstraksi ciri menggunakan HOG ( Histogram of Oriented Gradients) dengan klasifikasi KNN (K-Nearest Neighbor ). Data yang digunakan adalah data yang diambil secara pribadi. Data latih yang diambil adalah data video jalan raya dari probolinggo menuju Kota Malang. Lokasi ini digunakan dikarenakan sepanjang jalan protocol tersebut memiliki nilai jumlah kecelakaan yang tinggi. Dari data video yang di ambil dikonversi kedalam bentuk gambar. Nilai K dari metode klasifikasi KNN yang kami gunakan adalah 1, 2, 3 dan 4. Nilai K yang digunakan diantara 1 sampai 4 dikarenakan peneliti mencoba untuk nilai K yang genap. Biasanya nilai K yang digunakan pada metode K-Nearest Neighbor adalah ganjil. Hasil akurasi yang terbaik adalah mengunalan nilai K=3.