KLASIFIKASI PANJANG ANTRIAN KENDARAAN PADA RUAS PERSIMPANGAN LAMPU LALU LINTAS MENGGUNAKAN NEURAL NETWORK

Pertambahan kendaraan, semakin menambah pula kendaraan yang ada di jalan
raya. Ini menuntut pula pengaturan lampu lalu lintas di jalan raya yang lebih fleksibel,
menyesuaikan panjang antrian kendaraan. Durasai nyala lampu pada rambu lalu lintas
sangat dipengaruhi oleh panjang antrian kendaraan pada setiap ruas persimpangan tersebut.
Penelitian ini bertujuan untuk mengklasifikasi panjang antrian kendaraan pada ruas
persimpangan lampu lalu lintas. Penelitian dilakukan dengan tiga skenario yaitu skenario
pertama dengan 45 data pelatihan, skenario ke dua dengan 60 data pelatihan dan skenario
ketiga dengan 75 data pelatihan. Masing-masing skenario proses pelatihan menggunakan
parameter alfa: 0,1; 0,01; 0,001; 0,0001 dan parameter dec alfa : 0,1; 0,25; 0,5; 0,75.
Akurasi maksimal setiap skenario berbeda-beda. Skenario satu, dengan 45 data pelatihan
optimal pada alfa 0,01 dan dec alfa 0,75 dengan tingkat akurasi 80%. Skenario kedua
dengan 60 data pelatihan opimal pada alfa 0,01 dan dec alfa 0,75 dengan tingkat akurasi
76,6%. Skenario ketiga dengan 75 data pelatihan opimal pada alfa 0,001 dan dec alfa 0,1
dengan tingkat akurasi 81,3%.
Hasil dari proses pelatihan ketiga skenario tersebut mengahasilkan bobot akhir
yang berbeda-beda. Pada Proses pengujian menggunakan 45 data uji, 30 data uji dan 15
data uji. Rata-rata keberhasilan atau akurasi program masing-masing jumlah data uji
berturut-turut 80%, 90% dan 93,3%.
Kata Kunci : Learning Vector Quantization (LVQ), Jaringan Syaraf Tiruan, Edge
Detection, Lampu Lalu Lintas.