REDUKSI REGION OF INTEREST UNTUK OPTIMALISASI KINERJA SISTEM KLASIFIKASI MODEL KENDARAAN = REGION OF INTEREST REDUCTION FOR PERFORMANCE OPTIMIZATION OF VEHICLE MODEL CLASSIFICATION SYSTEM

Program uji emisi kendaraan diterapkan dalam rangka pengendalian pencemaran udara. Pengukuran tingkat emisi gas buang pada kendaraan selama ini dilakukan secara manual, meskipun hal tersebut juga dapat dilakukan dengan mengacu pada model kendaraan. Teknologi berbasis computer vision dapat dimanfaatkan untuk membuat kegiatan tersebut menjadi lebih efisien dengan bantuan sistem deteksi dan klasifikasi model kendaraan. Pada penelitian ini, sistem yang dibangun menggunakan pendekatan Region of Interest (ROI) dalam membatasi area pada gambar mobil, metode Three Frame Difference (TDF) dalam mendeteksi kendaraan, dan metode Oriented and Rotated BRIEF (ORB) serta Bag of Visual Word (BOVW) dengan rentang jumlah kluster 100 hingga 1000 yang berkelipatan 100 dan akan direkomendasikan dalam mengekstrak fitur kendaraan. Selain itu, untuk melakukan klasifikasi model kendaraan menggunakan metode Support Vector Machine (SVM). Sistem kemudian diuji berdasarkan perhitungan sensitivitas, kesalahan deteksi, dan akurasi. Hasil penelitian menunjukkan bahwa sistem mampu mendeteksi kendaraan dengan nilai rata-rata nilai sensitivitas sebesar 98.36% dan tingkat kesalahan deteksi sebesar 7.33%. Selain itu, dengan membatasi atau mereduksi area pada gambar dapat mengoptimalkan kinerja sistem dengan rata-rata peningkatan akurasi sebesar 8.4%. Pada tahap klasifikasi dengan 5 model kendaraan diperoleh akurasi maksimum sebesar 83.81% pada kluster 800.

Keywords : sistem deteksi, klasifikasi model kendaraan, reduksi area gambar, oriented and rotated brief, bag of visual word