ABSTRAKSI: Rambu lalu lintas mengandung informasi penting mengenai keadaan jalan. Tujuan pemasangan rambu lalu lintas yaitu untuk mempermudah pengendara dan membuat pengendara merasa lebih aman. Akan tetapi pengendara sering tidak memperhatikan rambu lalu lintas tersebut. Rambu lalu lintas didesain agar mudah dibaca dan dikenali karena berbeda dengan lingkungan sekitarnya. Akan tetapi, pencahayaan disekitar rambu, perubahan cuaca, penurunan kualitas warna rambu, dan debu membuat deteksi dan klasifikasi rambu lalu lintas menjadi pekerjaan yang tidak mudah
Dalam tugas akhir ini, dirancang sebuah sistem yang mampu mendeteksi dan mengklasifikasi rambu-rambu lalu lintas secara offline, sehingga informasi yang terkandung di dalam rambu lalu lintas bisa dideteksi dan diklasifikasi. Tahap pertama yang dilakukan adalah preprocessing guna mendapat gambar yang sesua kriteria agar lebih mudah diproses ke tahap selanjutnya. Tahap selanjutnya adalah ekstraksi ciri dengan menggunakan gabor filter sehingga didapatkan ciri dari rambu yang digunakan dalam proses pengklasifikasian. Langkah selanjutnya adalah pendeteksian/pengklasifikasian objek/gambar yang terdapat pada rambu dengan menggunakan metode K-Neares Neighbor. Pada tugas akhir ini dianggap bahwa tidak ada papan reklame/papan lainnya disekitar rambu.
Penelitian tugas akhir ini mampu menghasilkan output berupa suatu sistem yang dapat mengenali atau mengidentifikasikan dan mengklasifikasikan ramburambu lalu lintas yang ada. Performansi system ini memiliki akurasi mencapai 94,44% dengan waktu komputasi 8.013103detik.Kata Kunci : rambu-rambu lalu lintas, K-Nearest NeighborABSTRACT: Rambu lalu lintas mengandung informasi penting mengenai keadaan jalan. Tujuan pemasangan rambu lalu lintas yaitu untuk mempermudah pengendara dan membuat pengendara merasa lebih aman. Akan tetapi pengendara sering tidak memperhatikan rambu lalu lintas tersebut. Rambu lalu lintas didesain agar mudah dibaca dan dikenali karena berbeda dengan lingkungan sekitarnya. Akan tetapi, pencahayaan disekitar rambu, perubahan cuaca, penurunan kualitas warna rambu, dan debu membuat deteksi dan klasifikasi rambu lalu lintas menjadi pekerjaan yang tidak mudah.
Each road traffic sign has their own meaning. The differences between them can be shown easily by using our eyes because each of them has different color and shape. This final project use the unique character of road traffic sign to detect them. This final project use offline system in research. There are some steps to detect and classify road traffic sign in this system. The first step is preprocessing in order to get image with better quality so that can be processed easily in the next step. Next, getting the feature extraction using Gabor method. Last, classify the road traffic sign using k-Nearest Neighbor. In this final project, we assumed that all the object is just road traffic sign.
This final project create a system that can classified road traffic sign that has good enough performance. The accuracy of the system is 94.44% and computation time can reach 8,013103 second.Keyword: Road traffic sign, k-Nearest Neighbor