Implementasi Metode Kalsifikasi Support Vector Machine Dan Backpropagation Untuk Deteksi Mobil Menggunakan Histrogam Of Oriented Gradients

Sistem deteksi merupakan suatu teknologi yang sangat membantu dalam berbagai bidang. Dalam bidang lalulintas, sistem deteksi dipakai untuk pemantauan traffic lalulintas. Saat ini pengawasan lalu-lintas telah memanfaatkan kamera CCTV yaitu RTMC (Road Traffic Monitoring Center). Selain itu penelitian tentang ITS (Intelligent Transportation System) juga memanfaatkan pengawasan melalui kamera. HOG digunakan dalam penelitian ini dikarenakan merupakan Feature Descriptor yang mengambil tepi atau struktur gradient yang terkarakteristik dari bentuk lokal atau arah tepi dan dengan distribusi intensitas gradient lokal yang baik. Hasil ekstraksi feature akan ditraining menggunakan SVM untuk menghasilkan suatu model sebagai acuan deteksi kemudian. Hasil deteksi akan diklasifikasi kembali oleh neural network backpropagation. Pengujian dilakukan menggunakan 400 data positif dan 1400 data negatif menunjukan akurasi sebesar 51.8% dengan menggunakan 1 neuron pada hidden layer.

Detection system is a very helpful technology in various fields. In the field of traffic, the detection system is used for traffic traffic. Currently, traffic controls are already utilizing CCTV cameras, the RTMC (road traffic monitoring center). In addition, research on ITS (Intelligent Transportation System) also utilizes surveillance through the camera. The HOG used in this study is a feature that is characteristic of local shape or direction. The feature extraction results will be trained using SVM to generate a model as a later detection reference. The detection results will be reclassified by the backpropagation network. The test was done using 400 positive data and 1400 negative data showed an accuracy of 51.8% using 1 neuron on hidden layer.