Pengembangan Deteksi Citra Mobil untuk Mengetahui Jumlah Tempat Parkir Menggunakan CUDA dan Modified YOLO

Penulis

  • Sisco Jupiyandi Fakultas Ilmu Komputer, Universitas Brawijaya
  • Fadhil Rizqullah Saniputra Fakultas Ilmu Komputer, Universitas Brawijaya
  • Yoga Pratama Fakultas Ilmu Komputer, Universitas Brawijaya
  • Muhammad Robby Dharmawan Fakultas Ilmu Komputer, Universitas Brawijaya
  • Imam Cholissodin Universitas Brawijaya

DOI:

https://doi.org/10.25126/jtiik.2019641275

Abstrak

Besarnya lahan pada parkir dan jumlah kendaraan roda empat dalam hal ini adalah mobil, dapat menjadi kendala bagi pengendara lain dalam mengetahui posisi parkir mana yang masih dapat digunakan. Sistem pengembangan perparkiran yang ada masih kurang maksimal dalam memanfaatkan lahan dan efisiensi waktunya. Berdasarkan banyaknya kendaraan mobil yang semakin bertambah, maka kebutuhan akan lahan parkir juga semakin dibutuhkan. Banyak sekali sistem yang belum dapat menangani berbagai permasalahan yang ada. Sistem ini dapat mengetahui jumlah slot pada lahan parkir dengan akurat sehingga memudahkan pengelola. Selain itu sistem ini juga dikembangkan agar waktu pencarian lahan parkir oleh pengguna parkir bisa sangat cepat. Sistem ini menggunakan penerapan pemrograman GPU yang dikombinasi dengan Modified Yolo (M-Yolo). GPU pada M-Yolo dibutuhkan untuk mengolah citra sekaligus mengolah data untuk mendeteksi citra mobil dan jumlah mobil secara paralel. Hasil uji coba menunjukkan bahwa dengan menggunakan GPU dibandingkan dengan CPU dapat mempercepat waktu komputasi rata-rata sebesar 0,179 detik dengan rata-rata akurasi sebesar 100%.

Abstract

The width of parking lot and the number of cars in the parking lot can be an obstacle for motorists to know the parking area in which part is still empty. Parking systems that exist at this time are still not maximal in the utilization of parking lots and time efficiency. Based on the number of vehicles that are growing, then the need for parking space is also more needed. Many of the existing parking systems have not been able to handle the various problems. This system can know the number of slots on the parking lot, making it easier for operators to know the empty parking lot. In addition, this system will also be designed so that parking time search by parking users doesn’t take a long time. This system uses implementation of GPU programming mixed with Modified Yolo (M-Yolo). GPU on M-Yolo is needed to process images while processing data to detect car and the number of cars using parallel computing. The test results show that using the GPU compared to the CPU can speed up the average computing time by 0.179 seconds and it obtained an average accuracy of 100%.


Downloads

Download data is not yet available.

Referensi

BASUKI, A. 2005. Pengolahan Citra Digital Menggunakan Visual Basic 6, Yogyakarta.

BARNEY, B. 2009. Parallel Image Processing Based on Cuda. China: Polytechnical University.

FUNG, J. dan MANN, S. 2008. Using Graphics Devices in Reverse: GPU-Based Image Processing and Computer Vision, Nvidia Corporation, USA.

IRAWAN, F. T., MA’RUFI, M. R., CHOLISSODIN, I. 2017. Optimasi Rendering Game 2D Asteroids Menggunakan Pemrograman CUDA. Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) Vol. 4 No. 4 2017.

KURNIAWAN, B., NOOR A. S., TEGUH B. A. 2015. Analisis Perbandingan Komputasi GPU dengan CUDA dan Komputasi CPU untuk Image dan Video Processing. Seminar Nasional Aplikasi Teknologi Informasi (SNATi) 2015. 6 Juni, Yogyakarta.

MUKHLIS, Y., HARMANTO, L. 2007. Metode Sorting Bitonic pada GPU. 2 Februari.

PRAHARA, A. 2015. Deteksi Kebakaran pada Video Berbasis Pengolahan Citra dengan Dukungan GPU. . Seminar Nasional Aplikasi Teknologi Informasi (SNATi). 6 Juni, Yogyakarta.

REDMON, J., DIVVALA, S., GIRSHICK, R., FARHADI, A. 2016. You Only Look Once: Unified, Real-Time Object Detection.

UNSKY. 2017. yolo-for-windows-v2. GitHub. https://github.com/unsky/yolo-for-windows-v2. Web. diakses 30 April 2018.

YUSNITA R., NORBAYA F., dan BASHARUDDIN N. 2012. Intelligent Parking Space Detection System Based on Image Processing. International Journal of Innovation, Management and Technology, Vol. 3, No. 3, June 2012.

ZHANG L., LI X., HUANG J., SHEN Y., dan WANG D. 2018. Vision-Based Parking-Slot Detection: A Benchmark and A Learning-Based Approach. Symmetry 2018, 10, 64; doi:10.3390/sym10030064.

Diterbitkan

15-07-2019

Terbitan

Bagian

Ilmu Komputer

Cara Mengutip

Pengembangan Deteksi Citra Mobil untuk Mengetahui Jumlah Tempat Parkir Menggunakan CUDA dan Modified YOLO. (2019). Jurnal Teknologi Informasi Dan Ilmu Komputer, 6(4), 413-419. https://doi.org/10.25126/jtiik.2019641275