ABSTRAKSI: Computer Vision merupakan Ilmu pengetahuan yang mempelajari bagaimana computer dapat mengenali obyek yang diamati/ diobservasi dan mengkombinasikan antara Pengolahan Citra dan Pengenalan Pola . Tujuan dari Computer Vision adalah meniru fungsi mata dan otak pada manusia atau human vision. Salah satu proses yang penting dalam menghasilkan kemampuan setara human vision adalah pengenalan benda. Untuk mengenali objek dari suatu gambar dilakukan pemrosesan ekstraksi dan deteksi terlebih dahulu. Untuk mengenali objek yang telah terdeteksi. Mobil merupakan salah satu jenis kendaraan yang sangat banyak digunakan, oleh karena itu deteksi jenis kendaraan sangat dibutuhkan untuk dapat diaplikasikan diberbagai bidang salah satunya pada aplikasi jalan tol yaitu untuk mengurangi kemacetan khususnya diantrian gerbang tol dengan mendeteksi bentuk fisis dari mobil yang lewat.Computer Vision merupakan Ilmu pengetahuan yang mempelajari bagaimana computer dapat mengenali obyek yang diamati/ diobservasi dan mengkombinasikan antara Pengolahan Citra dan Pengenalan Pola . Tujuan dari Computer Vision adalah meniru fungsi mata dan otak pada manusia atau human vision. Salah satu proses yang penting dalam menghasilkan kemampuan setara human vision adalah pengenalan benda. Untuk mengenali objek dari suatu gambar dilakukan pemrosesan ekstraksi dan deteksi terlebih dahulu. Untuk mengenali objek yang telah terdeteksi. Mobil merupakan salah satu jenis kendaraan yang sangat banyak digunakan, oleh karena itu deteksi jenis kendaraan sangat dibutuhkan untuk dapat diaplikasikan diberbagai bidang salah satunya pada aplikasi jalan tol yaitu untuk mengurangi kemacetan khususnya diantrian gerbang tol dengan mendeteksi bentuk fisis dari mobil yang lewat.
Dalam Tugas Akhir ini dibuat suatu sistem yang dapat mengklasifikasikan ciri fisis mobil berdasarkan bentuk, rasio panjang dan lebar mobil, sedangkan untuk klasifikasi warna berdasarkan intensitas pixel . Sistem ini menggunakan metode Backpropagation berdasarkan komposisi banyaknya pixel dalam satu objek terdeteksi dan menggunakan Algoritma Canny sebagai deteksi tepi objek atau citra. Hasil deteksi mobil ini dapat mengklasifikasikan beberapa jenis kendaraan yaitu bus, truk, niaga, dan sedan dengan tingkat akurasi 78% dan akurasi pengklasifikasian warna mobil adalah 48%.
Dalam Tugas Akhir ini dibuat suatu sistem yang dapat mengklasifikasikan ciri fisis mobil berdasarkan bentuk, rasio panjang dan lebar mobil, sedangkan untuk klasifikasi warna berdasarkan intensitas pixel . Sistem ini menggunakan metode Backpropagation berdasarkan komposisi banyaknya pixel dalam satu objek terdeteksi dan menggunakan Algoritma Canny sebagai deteksi tepi objek atau citra. Hasil deteksi mobil ini dapat mengklasifikasikan beberapa jenis kendaraan yaitu bus, truk, niaga, dan sedan dengan tingkat akurasi 78% dan akurasi pengklasifikasian warna mobil adalah 48%.Kata Kunci : Computer Vision, Mobil,Backpropagation, Deteksi tepi CannyABSTRACT: Computer Vision is the science which studies how computers can recognize objects that were observed / observable and the combination of Image Processing and Pattern Recognition. The goal of Computer Vision is to follow the eye and brain function in humans or usually called human vision. One important process in generating capacity equivalent to human vision is object recognition. To recognize an object from an image processing performed extraction and detection advance in order to recognize objects that have been detected.
Car is one type of vehicle that is very widely used, therefore detection of the type of vehicle is required to be applied in various fields of one of them on the application which is to reduce highway congestion, especially in the queue toll gate by detecting physical form of the passing cars.
In this Final Project created a system that can classify the type of car based on the shape, the ratio of the length and width of the car. The system uses the Backpropagation method is based on the number of pixels and used as the Canny algorithm for edge detection object or image. The results of detection of this car can classify some types of vehicles ie buses, trucks, commercials, and sedans with 78% accuracy level and car color classification accuracy was 48%.Keyword: Computer vision, Car, canny edge detection, backpropagation