PENERAPAN METODE CONVOLUTIONAL NEURAL NETWORK UNTUK MENDETEKSI RAMBU-RAMBU LALU LINTAS

Tingkat kecelakaan berkendara memiliki perbandingan yang lurus dengan tingkat pemahaman pengendara terhadap rambu lalu lintas. Data menunjukkan tingkat pemahaman pengendara terhadap rambu lalu lintas sebesar 56.34%. Tujuan penelitian ini adalah untuk meningkatkan pemahaman pengendara terkait rambu lalu lintas. Convolutional neural network (CNN) dipilih sebagai algoritma pembuatan sistem untuk membantu pengendara memahami rambu lalu lintas. CNN adalah algoritma yang digunakan untuk melakukan pendeteksian objek dan telah lazim digunakan untuk membantu kegiatan di berbagai bidang, mulai dari bidang kesehatan, agrikultur, bahkan hingga seni. Peneliti menggunakan darknet sebagai sistem untuk melakukan training dan testing model. Model yang dibuat menggunakan total 7182 gambar yang sudah diperkaya dengan 10 kategori rambu yang dapat dideteksi. Model yang diuji dengan 5 ukuran filter dan menghasilkan rata-rata akurasi 83.394% dan waktu 384.4 detik. Kata kunci: Convolutional neural network, Darknet, Rambu Lalu Lintas