Pemanfaatan Deep Learning pada Video Dash Cam untuk Deteksi Pengendara Sepeda Motor

Jumlah pengendara sepeda motor di Indonesia mencapai 105,15 juta di tahun 2016. Hal itu membuat pemerintah Indonesia mengalami kesulitan dalam memantau pengendara sepeda motor di jalan raya. Dash cam dapat digunakan sebagai alat alternatif untuk mendeteksi pengendara sepeda motor jika diberi kecerdasan. Salah satu kendala umum dalam mendeteksi objek adalah fitur yang kompleks dan variatif. Makalah ini menggunakan metode convolutional neural networks (CNN) yang mampu untuk mendeteksi pengendara sepeda motor. Metode CNN berhasil mengklasifikasikan objek kapal dengan f1-score 0,94. Sliding window dan heat map digunakan dalam makalah ini untuk mencari area/region pengendara sepeda motor. Dua eksperimen dilakukan dalam makalah ini. Tujuan dari makalah ini adalah mencari kombinasi arsitektur dan parameter CNN yang terbaik. Eksperimen pertama terdiri atas tiga bobot yang sudah dilatih sedangkan eksperimen kedua mengandung satu bobot yang sudah dilatih. Kinerja bobot terhadap data pengujian pada eksperimen 1 dan eksperimen 2 diukur melalui f1-score masing-masing 0,977, 0,988, 0,989, dan 0,986. Dari hasil percobaan menggunakan sliding window , eksperimen 2 memiliki tingkat error yang lebih rendah untuk memprediksi pengendara sepeda motor dibandingkan dengan eksperimen 1 karena data pelatihan pada eksperimen 1 lebih banyak jumlahnya dan mengandung citra yang lebih variatif.