View/Open

Author
Adlu Hakam Ramadhan,

Advisor
Dr. Yusuf Kurniawan, M.T.
Swadexi istiqphara, M.T.

Koleksi
Teknik Elektro

Publisher

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