Implementasi Metode PCA – K Nearest Neighbour untuk Deteksi Golongan Kendaraan Berdasarkan Jumlah Pasang Gandar

Abstract

Detection of vehicle type based axle allow to do classify vehicle based on the load that will carried by the vehicle. However at this time, classification of heavy vehicle types based on axles is still carried out by humans. In here research, author use image processing for classification of vehicles class with PCA-K Nearest Neighbour Method. The reason for choosing this algorithm is because previous research use K-Means Clustering have a same formula with K-Nearest Neighbour. The data used is the image captured from the video camera processed by background subtraction method to separate moving object namely vehicle with its background. PCA method is required to obtain eigen vektor from vehicle and reduce its dimensions. Meanwhile, for classification author tries to use classification algorithm of K-Nearest Neighbour. To detect vehicle axles author use Circular Hough Transform method. The Testing Result shows detect vehicle type use PCA-K Nearest Neighbour method with value of K=1 has an accuracy 90%.

Deteksi golongan kendaraan berdasarkan gandar memungkinkan untuk melakukan klasifikasi kendaraan berdasarkan beban yang akan di bawa oleh kendaraan tersebut. Namun pada saat ini, klasifikasi jenis kendaraan berat berdasarkan gandar masih dilakukan oleh manusia. Dalam penelitian ini, penulis menggunakan pengolahan citra untuk klasifikasi golongan kendaraan dengan metode PCA-K Nearest Neighbour. Alasan pemilihan algoritma ini adalah karena penelitian sebelumnya menggunakan algoritma K-means Clustering memiliki rumus yang sama dengan K-Nearest Neighbour. Data yang digunakan adalah citra yang ditangkap dari kamera video diproses dengan metode background subtraction untuk memisahkan objek yang bergerak yaitu kendaraan dengan backgroundnya. Metode PCA diperlukan untuk mendapatkan vektor eigen dari kendaraan dan mereduksi dimensinya, sedangkan untuk klasifikasi penulis mencoba menggunakan algoritma klasifikasi K Nearest Neighbours. Untuk deteksi gandar kendaraan penulis menggunakan metode Circular Hough Transform. Hasil pengujian menunjukkan deteksi golongan kendaraan menggunakan metode PCA-K Nearest Neighbours dengan nilai K=1 mendapat akurasi 90%.