1

BAB I
PENDAHULUAN

1.1 Latar Belakang Masalah

Jalan tol (di Indonesia disebut juga sebagai jalan bebas hambatan) adalah
suatu jalan alternatif untuk mengatasi kemacetan lalu lintas ataupun untuk
mempersingkat jarak dari satu tempat ke tempat lain. Untuk menikmati layanan
jalan tol, para pengguna harus membayar sesuai tarif yang berlaku yang
didasarkan pada golongan kendaraan Penggolongan kendaraan di jalan tol yang
digunakan berdasarkan Keputusan Presiden nomor 36 tahun 2003 adalah sebagai
berikut : (Bambang, 2012)
• Golongan 1 – aturan 1 : banyaknya gandar 2, dan tidak dual tires/roda ganda
(mobil) .
• Golongan 1 – aturan 2 : banyaknya gandar 2, dual tires/roda ganda , dan
kendaraan adalah bis.
• Golongan 2: banyaknya gandar 2, dual tires/roda ganda , bukan bis.
• Golongan 3: banyaknya gandar 3.
• Golongan 4: banyaknya gandar 4.
• Golongan 5: banyaknya gandar 5.
Proses penggolongan kendaraan ini dilakukan oleh petugas di gerbang tol
dengan mengandalkan penglihatan. Pekerjaan itu harus dilakukan dalam waktu
yang cepat serta dari sudut pandang yang sempit sehingga sangat menyulitkan
terutama penentuan jumlah gandar serta penggunaan ban ganda (dual tire) pada
kendaraan berjenis truk bergandar dua, karena khusus untuk kendaraan berjenis
truk dengan dua gandar, penggunaan ban ganda pada roda belakang menjdi
pembeda golongan kendaraan.
Perkembangan teknologi yang cukup pesat memotivasi untuk melahirkan
sebuah era digital yang mengarah pada optimasi sebuah sistem. Melalui
pengolahan citra, data yang berupa citra kendaraan yang mengandung suatu
dimensi fisik dapat diambil informasinya dan dapat merepresentasikan multi
resolusi dari citra aslinya. Kemudian dilakukan pengklasifikasian citra yang dapat

1
 2

mengidentifikasi dan kemudian mengelompokan pola ciri citra dalam suatu kelas.
Tujuan dari klasifikasi citra adalah mengklasifikasikan masukkan citra kedalam
beberapa kategori tertentu. Klasifikasi citra saat ini menjadi salah satu problem
yang telah lama dicari solusinya dalam computer vision. Bagaimana
menduplikasikan kemampuan manusia dalam memahami informasi citra digital,
supaya komputer dapat mengenali objek pada citra selayaknya manusia. Beberapa
tahun terakhir Deep Learning telah menunjukan performa yang luar biasa. Hal ini
sebagain besar dipengaruhi faktor komputasi yang lebih kuat, data set yang besar
dan teknik untuk melatih jaringan yang lebih. Convolutional Neural Network
(CNN) merupakan salah satu metode Deep learning (DL) yang dapat digunakan
untuk mendeteksi dan mengenali sebuah objek pada sebuah citra digital.
Kemampuan CNN di klaim sebagai model terbaik untuk memecahkan
permasalahan object detection dan object recognition. Pada tahun 2012, Penelitian
tentang CNN dapat melakukan pengenalan citra digital dengan akurasi yang
menyaingi manusia pada dataset tertentu. (Adam, Honglak, dan Andrew, 2011).
Untuk mengatasi hal ini diperlukan sebuah sistem otomatis yang dapat
membantu petugas gerbang tol dalam menentukan golongan kendaraan. Maka dari
itu, harus diimbangi dengan suatu teknologi menggunakan teknik deep learning
dengan metode Convolutional Neural Network yang mampu digunakan sebagai
solusi untuk mengklasifikasikan macam macam golongan mobil pada gerbang tol.

1.2 Tujuan Penelitian

Adapun tujuan penelitian yang digunakan dalam peneliti ini adalah :
1. Implementasi metode Deep Learning menggunakan CNN untuk
mengklasifikasikan citra mobil berdasarkan golongan pada gerbang tol.
2. Mengetahui tingkat akurasi yang didapatkan dari hasil klasifikasi
menggunakan CNN
3. Mendeteksi golongan mobil dengan menggunakan video yang sudah disiapkan
dan webcam.

1.3 Manfaat Penelitian

 3

Adapun manfaat dari penelitian ini adalah mengetahui penerapan Deep

Learning dengan metode CNN pada klasifikasi golongan mobil.