Kombinasi ekstraksi fitur Zernike Moment-Color Moment dan klasifikasi KNN untuk deteksi citra rambu lalu lintas

Abstract

Rambu lalu lintas adalah salah satu atribut untuk mengatur jalannya kendaraan agar lebih teratur. Rambu lalu lintas memuat bentuk, lambang, huruf, angka serta kalimat untuk memberikan perintah, larangan, peringatan dan petunjuk agar lebih tertib berlalu lintas. Seiring berkembangnya zaman sistem deteksi rambu lalu lintas masuk mejadi sebuah teknologi di mana citra akan di proses ke dalam komputer. Untuk memproses sebuah citra ke dalam komputer memerlukan sebuah metode ekstraksi fitur, pada penelitian ini dibuatlah model dengan metode ekstraksi fitur Zernike Moment-Color Moment dan K-Nearest Neighbors untuk mendeteksi citra rambu lalu lintas. Data citra rambu lalu lintas yang digunakan 96 data training dan 18 data testing yang terdiri dari 6 kelas berbeda. Pada penelitian ini didapatkan nilai akurasi terbaik 88,88% pada nilai K=9 menggunakan kombinasi ekstraksi fitur Zernike Moment-Color Moment, model yang menggunakan ekstraksi fitur Zernike Moment didapatkan akurasi terbaik 50% pada nilai K=8, dan model yang menggunakan ekstraksi fitur Color Moment didapatkan akurasi terbaik 77,78% pada nilai K=12. Dari hasil tersebut, dapat disimpulkan bahwa model yang menggunakan kombinasi ekstraksi fitur Zernike Moment-Color Moment dan K-Nearest Neighbors mampu untuk mengidentifikasi citra rambu lalu lintas lebih baik dari pada model yang hanya menggunakan salah satu ekstraksi fitur Zernike Moment atau Color Moment saja.