Deteksi Pelanggaran Marka Jalan Berbasis Pengolahan Citra Menggunakan Metode Deteksi Garis Tepi Canny Dan Transformasi Hough

Abstract

Pada tahun 2018, Indonesia tercatat sebagai negara peringkat ke -3 yang memiliki angka kecelakaan lalu lintas tertinggi di seluruh dunia. Salah satu faktor penyebab kecelakaan lalu lintas yaitu pelanggaran lalu lintas yang dilakukan oleh pengendara dengan tidak mengindahkan peraturan lalu lintas khususnya pada peraturan melintasi marka jalan yang terlarang. Maka dari itu, diperlukan sistem yang dapat memantau arus lalu lintas secara intensif untuk mempermudah pihak aparatur negara yang berwenang dalam membuat kebijakan berlalu lintas yang lebih baik dimasa yang akan datang. Penelitian ini menggunakan data rekaman video CCTV untuk mendeteksi pelanggaran marka jalan berbasis pengolahan citra. Pemrosesan sistem menggunakan perangkat lunak pengolah citra. Proses pengolahan citra dalam mendeteksi garis marka jalan menggunakan metode deteksi garis tepi Canny. Selain itu juga dilakukan pembandingan hasil pengujian terhadap metode deteksi garis tepi Prewitt, Roberts, dan Sobel. Metode transformasi Hough digunakan untuk membuat plotting garis lurus diatas marka jalan yang telah terdeteksi sebagai penanda pada area yang digunakan sebagai bahan pengujian. Sistem akan mendeteksi telah terjadi pelanggaran marka jalan apabila nilai piksel garis marka jalan pada citra video kurang dari nilai piksel citra background. Pengujian dilakukan dengan menggunakan 4 buah video bahan uji untuk setiap metode deteksi garis tepi. Setiap video memiliki 450 frame dengan spesifikasi durasi 15 detik dan frame rate sebesar 30 fps. Sistem mendapatkan hasil pengujian terhadap nilai akurasi dalam mendeteksi jumlah kendaraan yang melanggar marka jalan sebesar 100% untuk pengujian pada seluruh metode deteksi garis tepi yang digunakan dalam proses pengujian. Metode deteksi garis tepi yang memiliki kinerja terbaik dalam proses deteksi pelanggaran marka jalan yaitu metode deteksi garis tepi Roberts dengan nilai error rate sebesar 0 % untuk pengujian data video ke-1, 20,89 % untuk pengujian data video ke-2, 41,78 % untuk pengujian data video ke-3 dan 53,33 % untuk pengujian data video ke-4.

Kata Kunci: lampu lalu lintas, suara sirene, sistem kontrol, MFCC, Euclidean Distance, Arduino.