RANCANG BANGUN SISTEM ADAPTIVE PADA LAMPU LALU LINTAS BERBASIS PENGOLAHAN CITRA DIGITAL
ASTRAL adalah sebuah alat berupa sistem kontrol lampu lalu lintas yang dapat
mendeteksi jenis kepadatan kendaraan di setiap jalur di persimpangan jalan yang
kemudian digunakan sebagai dasar perhitungan pewaktuan untuk membentuk
koordinasi kerja lampu lalu lintas yang tepat, adaptif, dan efisien sehingga dapat
mengurai kepadatan lalu lintas di persimpangan jalan dengan baik. Perangkat
ASTRAL terbagi menjadi beberapa subsistem kerja. Salah satunya adalah sistem
pendeteksian jenis kepadatan lalu lintas yang dinyatakan dalam tiga kategori yakni
lengang, sedang, dan padat. Pada proyek ini akan dibuat sebuah sistem pendeteksian
jenis kepadatan antrian lalu lintas yang akan mendukung kinerja perangkat ASTRAL
dalam pengaplikasiannya. Beberapa parameter yang akan diuji yakni ketepatan sistem
dalam membaca dan menentukan jenis kepadatan antrian kendaraan yang sedang
terjadi, kelebihan waktu yang terjadi jika sistem deteksi diaktifkan, dan pengaruh
kelebihan waktu akibat dari sistem pendeteksian jenis kepadatan lalu lintas terhadap
kerja dari perangkat ASTRAL. Metode penelitian yang dilakukan meliputi
pembuatan, pengujian , dan analisis data sistem deteksi. Eksperimen dilakukan
dengan menggunakan kamera usb(Webcam) sebagai perangkat sensor, mini PC
Rasberry Pi sebagai perangkat pengolahan data, bahasa pemrograman python untuk
mengaplikasikan source code, dan library open CV sebagai library dasar pengolahan
citra. Hasil penelitian ini adalah semakin besar presentasi ketepatan pembacaan
sistem deteksi dengan keadaan nyata dan semakin kecil kelebihan waktu dari sistem
maka sistem akan semakin baik dalam mendukung sistem kerja dari perangkat
ASTRAL. Dari pengujian didapatkan bahwa rata-rata keterlambatan waktu yang
dipengaruhi oleh sistem pendeteksian jenis kepadatan yakni sebesar 23,08% tepatnya
sebesar 0,42s. Sedangkan untuk persentase rata-rata ketepatan pendeteksiannya
sebesar 86,7%.
Kata kunci: Cascade detection, Kamera USB, Open CV, Python, Raspberry Pi.
URI
https://repo.itera.ac.id/depan/submission/SB2009150004
Keyword