ABSTRAKSI: Jalan tol merupakan salah satu sarana berbayar yang diciptakan untuk mencegah kemacetan. Pembayaran di jalan tol berdasarkan golongan dari tiap kendaraan yang akan menggunakan jalan tol. Adapun aturan pentarifan di jalan tol saat ini dibagi ke dalam lima golongan. Penggolongan kendaraan sendiri berdasarkan jumlah as roda dari kendaraan tersebut. Golongan |I adalah kendaraan dinas, sedan, dan kendaraan ber as roda dua non muatan. Golongan II adalah kendaraan ber as roda dua bermuatan berat. Golongan III adalah golongan kendaraan ber as roda tiga. Golongan IV adalah kedaraan ber as roda empat. Golongan V adalah kendaraan ber as roda lebih dari empat. Khusus untuk bus berdasarkan peraturan terbaru pentarifan tol, bus dimasukkan ke dalam golongan I.
Pada tugas akhir ini suatu kendaraan akan diidentifikasi dan dikelompokkan ke dalam golongan-golongan yang berlaku pada sistem pentarifan di gerbang tol. Sistem ini menggunakan sebuah webcam yang diletakkan menghadap obyek tampak samping untuk mengakuisisi citra. Terdapat pendekatan dalam penggolongan untuk menyempurnakan hasil analisa, dimana titik tolak penggolongan tersebut menggunakan metode template matching. Pendekatan pengenalan golongan kendaraan dengan menggunakan metode template matching adalah dengan memilih nilai paling minimum dari perbandingann intensitas pixel antara pola daerah sekitar roda kendaraan dengan pola template yang telah ada.
Hasil dari implementasi sistem ini adalah bagaimana sistem ini mampu mengenali golongan kendaraan di gerbang tol dengan tingkat tingkat akurasi mencapai 100% pada pengujian 30 kendaraan dengan 60 pola yang ada di database dan waktu komputasi rata rata 9.96 detikKata Kunci : pengolahan citra digital, realtime, template matching, golongan kendaraan.ABSTRACT: Toll road is a paying facilitate that were created to prevent congestion. Payments on the highway based on the type of each vehicle that will use the toll. The tax`s rules on the highway is currently divided into five class. Own classification of vehicles based on the number of axles of the vehicle. Class | I is the official vehicles, sedans, and 4 wheels vehicles were no charge. Class II is a 4 wheels vehicles were heavily loaded. Class III is the class of 6 wheels vehicles. Class IV is the 8 wheels vehicles. Class V is the vehicle that had more than 10 wheels. Especially for bus toll tax based on the latest regulations, the bus put into class I.
In this Final Project a vehicle will be identified and classed into factions that apply to the tariff system at the toll booths. This system uses a webcam which is placed facing the object side view to acquiring the image. Will initially sought patterns of the area around the wheels of the vehicle and then compared with the reference pattern in the database to determine the type of vehicle classes. There are approaches in classification to refine the analysis, where the starting point for classifying the use template matching method. Approach to the introduction of classes of vehicles using template matching method is to select the minimum value of the comparation pixel intensity between the pattern of the area around the vehicle’s wheel with an existing template pattern.
The result from this system is the system that can recognition the class of vehicle in tol gate with accuracy 100% and system has average computing time of 9.64 secondKeyword: image processing, real time, template matching, vehicle classes