Implementasi algoritma pendeteksi tingkat kepadatan lalu lintas menggunakan metode background subtraction: Implementation of the traffic density detection algorithm using the background subtraction method

Muhammad Yusuf  Fadhlan; Usman B. Hanafi; Mohamad Rifki  Aulia

doi:10.35313/jitel.v1.i1.2021.59-68

Authors

Muhammad Yusuf Fadhlan Politeknik Negeri Bandung
Usman B. Hanafi Politeknik Negeri Bandung
Mohamad Rifki Aulia Politeknik Negeri Bandung

DOI:

https://doi.org/10.35313/jitel.v1.i1.2021.59-68

Keywords:

background substraction, kapasitas jalan, OpenCV, Phyton

Abstract

Kondisi kepadatan lalu lintas merupakan salah satu faktor yang berpengaruh terhadap kapasitas jalan. Pemanfaatan teknologi dapat dilakukan untuk mempermudah proses pemantauan kepadatan lalu lintas. Beberapa teknologi telah dibuat dan dikembangkan, namun masih memiliki fitur yang terbatas. Dalam penelitian ini, dirancang sebuah purwarupa sistem informasi tingkat kepadatan lalu lintas berdasarkan persentase kapasitas jalan yang dilalui oleh kendaraan. Penelitian ini menggunakan image processing dengan metode background subtraction dari library OpenCV yang dibuat di software Pycharm untuk mengolah rekaman video. Metode tersebut digunakan untuk menghasilkan persentase kapasitas jalan berdasarkan perbandingan luas area kendaraan terhadap luas area jalan. Dari hasil pengujian yang dilakukan dapat diketahui bahwa tingkat kepadatan lalu lintas yang tinggi dan jumlah kendaraan yang banyak berpengaruh terhadap kinerja sistem dalam mendeteksi kendaraan yang melintas.

References

A. Lazaro, J. Buliali, and B. Amaliah, “Deteksi Jenis Kendaraan di jalan Menggunakan OPENCV,” Jurnal Teknik ITS, vol. 6, no. 2, pp. 293-299, 2017.

A. Anggara and Y. Handoko, “Perancangan Aplikasi Sistem Monitoring Kondisi Lalu Lintas Berbasis Android Pada Sikomolintas,” Tugas Akhir, Dept. Sistem Komputer, Universitas Komputer Indonesia, Bandung, 2017.

D. Ramadhani, “Aplikasi Penghitung Kendaraan Dengan Deteksi Kendaraan Menggunakan Cvblob Dan Penampil Google Map Berbasis Android,” Tugas Akhir, Dept. Teknik Elektro, Universitas Telkom, Bandung, 2014.

F. Rahmadina and Z. Zaini, “Sistem Informasi kepadatan Lalu Lintas berbasis Raspberry Pi PC Board”, Jurnal Nasional Teknik Elektro, vol. 5, no. 1, 2016.

G. E. Setyawan, B. Adiwijaya, and H. Fitriah, “Sistem Deteksi Jumlah, Jenis Dan Kecepatan Kendaraan Menggunakan Analisa Blob Berbasis Raspberry Pi,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 6, no. 2, pp. 211-218, 2019.

M. Irfan, B. A. A. Sumbodo, and I. Candradewi, “Sistem Klasifikasi Kendaraan Berbasis Pengolahan Citra Digital dengan Metode Multilayer Perceptron,” Indonesian Journal of Electronics and Instrumentation System (IJEIS), vol. 7, no. 2, pp. 139-148, 2017.

M. N. F. Mastika, “Sistem Pendeteksi Kemacetan Berdasarkan Jenis Dan Jumlah Kendaraan Berasis Intelligent Transportation System,” Skripsi, Dept. Ilmu Komputer, Institut Pertanian Bogor, Bogor, 2018.

M. Hafizulahudin, “Perancangan Program Penghitung Jumlah Kendaraan Di Lintasan Jalan Dua Arah Menggunakan Library Cvblob,” Skripsi, Dept. Teknik Elektro, Universitas Lampung, Lampung, 2018.

R. Resilawati and W. Rizky, “Penghitung Jumlah Kendaraan Dan Pengukur Kemacetan Menggunakan Sensor Ultrasonik Berbasis Arduino Uno,” Skripsi, Dept. Teknik Elektro, Universitas Gadjah Mada, Yogyakarta, 2015.

W. R. Kurniawan, “Purwarupa Sistem Klasifikasi Dan Penghitung Jumlah Kendaraan Bermotor Menggunakan Kamera Webcam Berbasis Citra Digital,” Skripsi, Dept. Teknik Elektro, Universitas Gadjah Mada, Yogyakarta, 2015.