ABSTRAKSI: Indonesia merupakan salah satu negara yang memiliki penduduk terpadat di dunia. Pertumbuhan penduduk meningkat tiap tahunnya dan umumnya terjadi di kota-kota besar. Seiring dengan meningkatnya jumlah penduduk di Indonesia, maka bertambah pula kebutuhan masyarakat akan kendaraan bermotor. Peningkatan jumlah kendaraan bermotor ini tidak diiringi oleh bertambahnya fasilitas jalan raya, sehingga kemacetan pun tidak dapat dihindari lagi. Pemerintah telah malakukan berbagai usaha untuk mengatasi kemacetan, salah satunya adalah dengan membangun jalan bebas hambatan yang biasa kita kenal dengan jalan tol.
Jalan tol merupakan fasilitas negara yang dibuat untuk mengurangi tingkat kepadatan kendaraan pada jalur biasa. Jalan tol umumnya hanya boleh dilewati oleh jenis kendaraan tertentu. Golongan kendaraan yang di bahas dalam tugas akhir ini yaitu golongan I, golongan II, dan golongan III.
Untuk mengenali jenis kendaraan itu, dilakukan pengenalan bentuk dasar menggunakan analisa pengolahan citra berupa ekstraksi ciri dengan metoda Edge Detection (Deteksi Tepi), dan tiap model tersebut dijadikan referensi. Proses pengklasifikasian digunakan metoda jaringan syaraf tiruan Learning Vector Quantization (LVQ) dan Self Organizing Maps (SOM). Yang kemudian kedua metode ini dibandingkan tingkat akurasinya.
Hasil implementasi diuji dengan citra uji, melalui implementasi dan pengujian system mampu memberikan tingkat akurasi yang cukup baik. Dalam pengujian didapat tingkat akurasi dari Learn Vector Quantization (LVQ) sebesar 86,67%, sedangkan Self Organizing Maps (SOM) sebesar 90%. Ini menunjukkan bahwa SOM lebih kurat dibanding LVQ.Kata Kunci : Jaringan Syaraf Tiruan, LVQ, SOM, Deteksi tepiABSTRACT: Indonesia is one of the countries that have the densest population in the world. The growing of population increases every year and generally occur in large cities. Along with the increasing number of people in Indonesia, it also increased the public demand for vehicles. The increasing number of vehicles is not accompanied by increasing highway facilities, so the congestion can not be avoided any longer. The government has doing various efforts to overcome the congestion, one of which is to build a highway that we used to know the toll road.
The toll road is a state facility designed to reduce the level of vehicle density on the normal channels. The toll road is generally only be passed by a certain type of vehicle. The class of vehicles that are discussed in this thesis is group I, group II and group III.
To identify the type of vehicle, carried out the basic shape recognition using image processing analysis of feature extraction with the method of Edge Detection, and each of the model will serve as a reference. The process of classification used method of artificial neural networks Learning Vector Quantization (LVQ) and Self Organizing Maps (SOM). Then these two methods compare the level of accuracy.
The result of the implementation is tested several times with the image of testing, through implementation and testing of the system can give a fairly good level of accuracy. In testing the accuracy obtained from Learn Vector Quantification (LVQ) by 86,67%, while the Self Organizing Maps (SOM) of 90%. This suggests that SOM is more accurate than LVQ.Keyword: Artificial Neural Network, LVQ, SOM, Edge Detection