Abstrak - Klasifikasi kendaraan pada jalan tol merupakan suatu hal yang penting untuk mengetahui berbagai jenis kendaraan apa saja yang lewat pada jalan tol tersebut. Klasifikasi kendaraan ini dapat dilakukan dengan pengamatan manusia, namun akan menimbulkan usaha yang sangat besar. Computer Vision adalah salah satu cabang ke ilmuan yang dapat menggantikan peran pengamatan tersebut.
Penelitian ini menggunakan data rekaman jalan tol sebagai objek yang sudah dilakukan oleh peniliti. Pada penelitian ini menggunakan Gaussian Mixture Model (GMM) sebagai background subtraction, Feature extraction antara lain morfologi extraction yang mencakup tinggi, lebar, ratio, masking, edge detection (canny) , windshield extraction, dan Bayesian networks berfungsi sebagai classifier. Untuk windshield extraction menggunakan k-means untuk mensegmentasi bagian kaca suatu kendaraan, dan k-means juga dilakukan untuk meng-cluster data latih.
Hasil pengujian didapatkan dengan nilai rata-rata f1 score sebesar 0.761 dan ketika ditambah dengan windshield extraction terjadi penaikan sebesar 0.005 menjadi 0.766. Selain itu, faktor segmentasi dari GMM berpengaruh dalam tingkat performansi sistem seperti oklusi yang dihasilkan oleh GMM.