Klasifikasi Kendaraan Menggunakan Convolutional Neural Network untuk Sistem Gerbang Tol Otomatis di Kota Pintar

Abstract

Konsep kota pintar menjadi isu penting dalam pengembangan kota-kota besar di dunia, di mana kota diharapkan dapat memberikan kehidupan yang lebih nyaman, teratur, sehat, dan efisien. Smart transportation sebagai bagian dari smart city berperan penting dalam meningkatkan tata kota yang lebih baik, termasuk pada sistem jalan tol. Saat ini, Gardu Tol Otomatis (GTO) di Indonesia masih menggunakan sensor yang sering kali salah dalam mengklasifikasikan truk gandeng. Penelitian ini memanfaatkan kamera digital yang telah terpasang di pintu tol untuk melakukan klasifikasi jenis kendaraan dengan menggunakan metode Convolutional Neural Network (CNN). CNN dipilih karena kemampuannya dalam mengenali pola dan fitur pada citra kendaraan melalui struktur jaringan saraf tiruan. Database yang digunakan terdiri dari 440 citra kendaraan, meliputi Truck, Taxi, Minibus, Jeep, Heavy Truck, Family Sedan, Bus, dan SUV. Hasil pengujian menunjukkan bahwa model CNN yang dikembangkan mencapai akurasi rata-rata sebesar 95%. Penelitian ini memberikan kontribusi dalam pengembangan sistem transportasi pintar dengan meningkatkan akurasi klasifikasi kendaraan di gerbang tol, sehingga dapat mengurangi biaya operasional dan meningkatkan efisiensi. Implikasi dari penelitian ini dapat mendukung penerapan smart transportation dalam konteks smart city yang lebih luas.