KLASIFIKASI JENIS KENDARAAN RODA EMPAT MENGGUNAKAN EXTREME LEARNING MACHINE
##plugins.themes.academic_pro.article.sidebar##
Downloads
##plugins.themes.academic_pro.article.main##
Abstract
Kendaraan merupakan sebuah objek yang menjadi alat transportasi penduduk khususnya di Indonesia. Kendaraan roda empat saat ini sudah beranekaragam jenisnya mulai dari kendaraan kecil, sedang sampai kendaraan besar. Tujuan penelitian ini melakukan klasifikasi jenis kendaraan roda empat dengan bidang Image Processing. Metode yang dipilih adalah metode Extreme learning machine, dimana metode ini cukup baik dalam melakukan pemroresan gambar dan untuk klasifikasi. Penelitian ini mengklasifikasikan kedalam empat class yaitu class sedan, MVP, truck dan Bus dengan total masing-masing dataset 100 gambar. Hasil dari penelitian ini membuktikan bahwa metode Extreme learning machine baik untuk mengklasifikasikan kendaraan roda empat dengan akurasi baik yaitu 86% dan nilai precisionnya 82%.
##plugins.themes.academic_pro.article.details##
Pemberitahuan Hak Cipta
Usulan kebijakan untuk jurnal yang menawarkan akses terbuka Syarat yang dibutuhkan penulis adalah sebagai berikut:
1. Penulis memegang hak cipta dan memberikan jurnal hak penerbitan pertama secara bersamaan di bawah lisensi di bawah Creative Commons Attribution-ShareAlike 4.0 International (CC BY-SA 4.0), yang mengizinkan orang lain untuk menyalin dan mendistribusikan ulang materi ini dalam bentuk atau format apa pun termasuk menyusun, memodifikasi, dan membuat turunan materi ini untuk tujuan apa pun, termasuk tujuan komersial.
2. Penulis dapat membuat pengaturan kontrak terpisah untuk distribusi non-eksklusif dari versi dekaden publikasi jurnal (misalnya mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan mengakui publikasi aslinya di jurnal ini.
3. Penulis diizinkan dan didorong untuk memposting artikel secara online (misalnya di repositori institusional atau di situs web mereka) seperti pada Garuda, Academia, researchgate atau repository lainnya sebelum dan selama proses pengiriman, karena dapat menghasilkan pertukaran yang produktif dan kutipan artikel yang diterbitkan lebih awal dan lebih maju (periksa: Efek Akses Terbuka)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
References
Fadilla, I., Adikara, P. P., & Perdana, R. S. (2018). Klasifikasi Penyakit Chronic Kidney Disease ( CKD ) Dengan Metode Extreme learning machine ( ELM ). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 2(10), 3397–3405. https://www.researchgate.net/profile/Rizal_Perdana/publication/323365845_Klasifikasi_Penyakit_Chronic_Kidney_Disease_CKD_Dengan_Menggunakan_Metode_Extreme_Learning_Machine_ELM/links/5a9023c5aca2721405618881/Klasifikasi-Penyakit-Chronic-Kidney-Disease-CKD-
Najar, A. M., Magister, P., Matematika, D., Matematika, F., Dan, K., & Data, S. (2018). Penerapan Metode Extreme learning machine Untuk Prediksi Tingkat Berdasarkan Keadaan Cuaca ( Studi Kasus : Wilayah Dki Jakarta ).
Pangestuti, G. W., Usman, K., & Purnama, B. (2016). Klasifikasi Kendaraan Roda Empat Dengan Ekstraksi Ciri Hybrid Berbasis Jaringan Syaraf Tiruan. EProceedings of Engineering, 3(Fakultas Teknik Elektro, Universitas Telkom), 1619–1627.
Pratomo, A. H., Kaswidjanti, W., & Mu’arifah, S. (2020). Implementasi Algoritma Region of Interest ( ROI ) Untuk Meningkatkan Performa Algoritma Deteksi Dan Klasifikasi Kendaraan. Jurnal Teknologi Informasi Dan Ilmu Komputer (JTIIK), 7(1), 155–162. https://doi.org/10.25126/jtiik.202071718
Priyambodo, P. (2018). Analisis Korelasi Jumlah Kendaraan dan Pengaruhnya Terhadap PDRB di Provinsi Jawa Timur. Warta Penelitian Perhubungan, 30(1), 59. https://doi.org/10.25104/warlit.v30i1.634
Purwaningsih, E. (2016). Seleksi Mobil Berdasarkan Fitur Dengan Komparasi Metode Klasifikasi Neural Network, Support Vector Machine, Dan Algoritma C4.5. Jurnal Pilar Nusa Mandiri, XII(2), 153–160. https://ejournal.nusamandiri.ac.id/index.php/pilar/article/view/269
Roihan, A., Sunarya, P. A., & Rafika, A. S. (2020). Pemanfaatan Machine learning dalam Berbagai Bidang: Review paper. IJCIT (Indonesian Journal on Computer and Information Technology), 5(1), 75–82. https://doi.org/10.31294/ijcit.v5i1.7951
Santoso, A., & Ariyanto, G. (2018). Implementasi Deep Learning Berbasis Keras Untuk Pengenalan Wajah. Emitor: Jurnal Teknik Elektro, 18(01), 15–21. https://doi.org/10.23917/emitor.v18i01.6235
Sidharta, H. A. (2017). INTRODUCTION TO OPEN CV. Binus University. https://binus.ac.id/malang/2017/10/introduction-to-open-cv/