iv
ABSTRAK
Saat ini, kebutuhan parkir di tempat umum semakin meningkat dikarenakan tingginya jumlah mobil yang ada. Pengguna jasa parkir mobil pada umumnya masih mencari lokasi parkir yang kosong secara manual untuk dapat memarkirkan kendaraannya. Dengan perkembangan teknologi sekarang ini khususnya di bidang Image Processing diharapkan dapat menyelesaikan permasalahan tersebut. Oleh karena itu, penelitian ini menerapkan teknik Image Processing untuk menentukan lokasi parkir kosong atau terisi mobil yang berjalan secara real-time. Pada penelitian ini metode yang digunakan terbagi menjadi lima tahapan. Tahapan pertama adalah capturing image untuk mengambil citra lokasi parkir. Tahapan kedua adalah pre-processing yang terdiri dari proses saturation, grayscale dan thresholding. Tahapan ketiga adalah image segmentation untuk memotong citra menjadi lima bagian. Tahapan keempat adalah
feature extraction yang akan menghasilkan nilai invariant moment. Tahapan terakhir
adalah identification yaitu proses untuk menentukan lokasi parkir kosong atau terisi mobil. Hasil evaluasi yang didapat dari penelitian ini dengan data uji berjumlah 100 citra adalah akurasi yang mencapai 94%, rata-rata tingkat perolehan (recall) mencapai 94%, rata-rata tingkat ketepatan (precision) mencapai 94%.
Kata kunci : Image Processing, Lokasi Parkir, Probabilistic Neural Network, Identifikasi, Invariant Moment
v
PENENTUAN LOKASI PARKIR KOSONG MENGGUNAKAN ALGORITMA
PROBABILISTIC NEURAL NETWORK (PNN)
ABSTRACT
Nowadays, The need for parking lots in public places has been increasing due to the high amount of the cars. In general, people are still looking for the vacant parking lot manually to be able to park their cars. The recent technological developments, especially in Image Processing, is expected to solve the problem. Therefore, this research applied Image Processing technique to determine the locations of vacant or filled car parking lots that run in real-time. The used method are divided into five steps under this research. The first is image capturing to capture the parking location image. Then continue to the pre-processing step which consists of saturation, grayscale and thresholding process. The third step is image segmentation to cut the image into five pieces. Then followed by feature extraction which will generate invariant moment values. The final step is identification, the process to determine determine the locations of vacant or filled car parking lots. The result obtained from this research with 100 images as data testing is accuracy of 94% with 94% average recall rate and 94% for the precision rate.
Keywords : Image Processing, Parking Space, Probabilistic Neural Network, Identification, Invariant Moment
