Klasifikasi Kendaraan Menggunakan Convolutional Neural Network Binari

Sistem analisis lalu lintas yang efektif dan akurat menjadi kebutuhan penting dalam lingkungan kampus seperti Universitas Indo Global Mandiri. Dalam latar belakang ini, penelitian ini bertujuan untuk mengembangkan sebuah sistem klasifikasi kendaraan menggunakan algoritma Convolutional Neural Network di lingkungan universitas. Penelitian ini bertujuan untuk mengembangkan model klasifikasi menggunakan arsitektur Convolutional Neural Network (CNN) untuk mengidentifikasi Kendaraan Mobil dan Motor. Dalam penelitian ini, CNN binari digunakan untuk memproses data dari gambar Kendaraan dan menghasilkan prediksi kelas mobil dan motor. Data yang digunakan dalam penelitian ini berasal dari dua kategori yaitu mobil dan motor. Hasil penelitian menunjukkan bahwa kedua model CNN berhasil mengklasifikasikan gambar kendaraan dengan tingkat akurasi yang cukup tinggi. Performa terbaik yang dihasilkan pada kasus klasifikasi kendaraan yaitu ResNet101 dengan akurasi pada kelas mobil yaitu 99 persen, sedangkan akurasi untuk kelas motor yaitu 99 persen. Hasil penelitian ini menunjukkan bahwa arsitektur Convolutional Neural Network dapat digunakan untuk mengklasifikasikan kendaraan pada motor dan mobil dengan akurasi yang cukup tinggi. Model ini dapat digunakan untuk pengambilan keputusan yang berkaitan dengan manajemen transportasi dan perencanaan infrastruktur di Universitas Indo Global Mandiri. Hasil penelitian ini memberikan kontribusi yang signifikan dalam bidang visi komputer dan analisis lalu lintas di lingkungan universitas.

Kata kunci: Klasifikasi, CONVOLUTIONAL NEURAL NETWORK.