Jumlah pelanggaran lalu lintas kendaraan dari tahun ke tahun semakin meningkat. Hal itu diketahui dari data analisa dan evaluasi pelanggaran lalu lintas 2015, terdapat kenaikan jumlah pelanggaran lalu lintas yang dilakukan pengendara jika dibandingkan dengan periode di tahun 2014. Kemudian kaitannya dengan penelitian ini, yaitu mengenali jenis pelanggaran tersebut dengan cara mengimplementasikan metode Hidden Markov Model dan Gabor Filter dalam pengolahan citra berdasarkan masalah yang dipaparkan. Hal yang perlu diperhatikan dalam mengetahui pelanggaran tersebut yaitu mengklasifikasikan citra pelanggaran berdasarkan rambu di sekitar kendaraan. Dan dalam batasan masalah yang diamati penelitian fokus kepada rambu dilarang “Perboden” dan dilarang “balik arah”. Sehingga pelanggaran itulah yang dijadikan penelitian menggunakan metode untuk dapat menghasilkan kesimpulan jenis pelanggaran. Ketika menjumpai rambu dengan pola seperti dilarang “Perboden” dan dilarang “balik arah”, maka pelanggaran dapat dideteksi dari klasifikasi ekstraksi ciri pada saat melakukan tahapan preprocessing citra. Kemudian metode yang digunakan untuk mendeteksi citra pelanggaran ini yaitu Hidden Markov Model dalam proses pengklasifikasian citra dan Gabor Filter sebagai salah satu cara preprocessing citra. Dengan mengimplementasikan metode tersebut dimaksudkan akan mampu memenuhi kebutuhan mendeteksi pelanggaran yang dilakukan oleh kendaraan. Hasil dari penelitian ini berupa data klasifikasi training yang digunakan untuk mendeteksi data testing, dan menghasilkan output jenis pelanggaran yang dimaksudkan. Dan dari pengujian K-Fold Cross Validation menggunakan 82 data didapatkan nilai akurasi rata-rata 70,31% benar dalam klasifikasi dan 29.69% salah.

The number of traffic violations from year to year has increased. It is known from analysis and evaluation data of traffic offences there is a rise in 2015, traffic violations committed riders if compared with the period in 2014. Then the relation to this research, that recognize the type of offence by way of a Hidden Markov Model as classification methods and Gabor Filter in image processing based on the problems presented. Things to note in knowing violation, infringement upon a signpost to classify the image around the vehicle. And within the boundaries of the problem observed research focus to signs "donÂ’t enter" and "donÂ’t turn back". So the offense that was the Foundation of the research using methods to be able to generate conclusions this type of offence. When encountered with such a pattern of that signs, then direction violations can be detected from the classification of the extraction of the characteristics at the time of image preprocessing stage. Then the methods used to detect violations of the image Hidden Markov Model in the process of classification and image of Gabor Filters as one way the preprocessing image. By implementing these methods are intended to be able to meet the need to detect the violations committed by the vehicle. The results of this research in the form of data classification training which is used to detect data testing, and produce an output type of offence intended. And testing of K-Fold Cross Validation using data obtained 82, average accuracy value 70.31% correct classification and 29.69% invalid.

https://elib.unikom.ac.id/gdl.php?mod=browse&op=read&id=jbptunikompp-gdl-kukuhsetia-34783