![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
2010 TA PP PETER HAMONANGAN L. TOBING 1-COVER.pdf
PUBLIC Ena Sukmana ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
2010 TA PP PETER HAMONANGAN L. TOBING 1-BAB 1.pdf
PUBLIC Ena Sukmana ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
2010 TA PP PETER HAMONANGAN L. TOBING 1-BAB 2.pdf
PUBLIC Ena Sukmana ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
2010 TA PP PETER HAMONANGAN L. TOBING 1-BAB 3.pdf
PUBLIC Ena Sukmana ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
2010 TA PP PETER HAMONANGAN L. TOBING 1-BAB 4.pdf
PUBLIC Ena Sukmana ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
2010 TA PP PETER HAMONANGAN L. TOBING 1-BAB 5.pdf
PUBLIC Ena Sukmana ![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
2010 TA PP PETER HAMONANGAN L. TOBING 1-PUSTAKA.pdf
PUBLIC Ena Sukmana
Sistem pemantauan dan analisis trafik jalan raya memiliki fungsi utama untuk
mengumpulkan data statistik kendaraan dan menyajikan kajian statistik terhadap
penggunaan jalan raya. Sistem semacam ini sangat berguna terutama di kota-kota
besar dimana penggunaan mobil cukup tinggi. Untuk merancang sistem tersebut,
diperlukan berbagai komponen pendukung seperti sensor kendaraan dan
penyimpanan data secara real-time.
Diantara berbagai sensor untuk mendeteksi kendaraan, kamera merupakan sensor
yang paling banyak digunakan karena harganya yang cukup murah. Untuk itu,
diperlukan serangkaian tahap pengolahan citra untuk mendeteksi adanya
kendaraan dalam suatu citra.
Penelitian ini berfokus kepada perancangan perangkat lunak sebagai purwarupa
sistem pemantauan dan analisis trafik jalan raya berbasis pengolahan citra.
Metode pengolahan citra yang digunakan untuk mendeteksi adanya kendaraan
pada siang hari adalah background subtraction, sementara untuk mendeteksi
kendaraan pada malam hari, diajukan algoritma baru menggunakan fitur berupa
lampu mobil.
Hasil dari penelitian menunjukkan bahwa, meskipun metode background
subtraction dapat memberikan hasil yang cukup baik apabila blob-blob mobil
berjarak, metode ini tidak memberikan performansi yang baik apabila digunakan
untuk kondisi trafik yang padat dimana badan mobil saling menempel. Tingkat
akurasi untuk deteksi kendaraan pada siang hari adalah sebesar 86,7% untuk
kepadatan trafik yang rendah, dan berkurang sebesar 64,2% apabila trafik padat.
Sementara itu, metode yang diajukan untuk mendeteksi kendaraan pada malam
hari memberikan hasil yang lebih baik dengan tingkat akurasi 96,3%. Waktu ratarata
pemrosesan adalah 0.061detik/frame untuk proses siang hari, dan 0.021
detik/frame untuk proses malam hari. Pengujian dilakukan menggunakan video
yang diambil dari Jl. Thamrin, Jakarta Pusat.
Purwarupa perangkat lunak dibuat dalam bahasa C++ menggunakan konsep OOP,
menggunakan MFC sebagai library untuk pemrograman Windows, OpenCV
untuk modul pengolahan citra, MySQL sebagai tempat penyimpanan dan
pengambilan database, dan protokol HTTP untuk keperluan broadcast status
kemacetan secara real-time melalui Twitter.