| dc.description.abstract | Indonesia sedang mengalami pertumbuhan dan pengembangan infrastuktur yang signifikan, khususnya jalan tol. Pembangunan jalan tol merupakan bentuk usaha pemerintah dalam memudahkan masyarakat Indonesia untuk dapat melakukan mobilitas. Namun, antrean panjang di gerbang tol masih menjadi masalah utama yang menganggu kecepatan dan efisiensi. Penyebab utama masalah ini adalah proses klasifikasi kendaraan yang masih dilakukan secara manual Oleh karena itu, diperlukan pengembangan suatu sistem yang dapat membantu dalam mengklasifikasikan jenis kendaraan terhadap tarif tol secara akurat dan efisien. Pada Tugas Akhir ini, HOG dan SVM digunakan untuk pengklasifikasian jenis kendaraan terhadap tarif tol. HOG dapat digunakan sebagai fitur ekstraksi yang akan menghasilkan representasi pola dan bentuk objek berdasarkan citra digital yang diterima. SVM digunakan sebagai metode klasifikasi yang bertujuan menemukan hyperplane optimal yang dapat memisahkan dan memetakan interaksi kompleks dalam data citra. Hasil perancangan ini menunjukkan bahwa model HOG+SVM tanpa optimasi memiliki akurasi yang lebih tinggi dan waktu yang lebih cepat dibandingkan model optimasi dengan akurasi tertinggi pada skenario data (Training:Testing) 70:30 dengan akurasi 98,6%, precision 97.87%, recall 98.61%, dan waktu eksekusi 0.26 detik. Temuan ini menunjukkan bahwa model yang lebih sederhana dan robust dapat memberikan performa yang lebih baik dalam klasifikasi jenis kendaraan terhadap tarif tol. | en_US |
