Abstract
<p><em>Self driving cars are an interesting topic to discuss due to the high level of traffic accidents that occur due to human error. Self driving cars are vehicles that can find out about the environment with minimal human intervention. Self driving itself has many development methods such as Light Detection and Ranging (LIDAR), cameras, radars, or a combination of these sensors. This study made a prototype self-driving car using a camera as a sensor and a neural network algorithm for pattern recognition. The pattern recognition in question is the image recognition of the path taken. The data that has been taken will later be converted into a matrix with dimensions of 320x120 according to the image resolution. Then the data will be trained to recognize the path pattern with the proportion of 7: 3 for training accuracy and validation accuracy. The resulting prediction has an accuracy of 76.86% for training accuracy and 75.24% for validation accuracy.</em></p>
Highlights
ABSTRAK Self driving car menjadi topik yang menarik untuk dibahas karena tingginya tingkat kecelakaan lalu lintas yang terjadi akibat human error
Dari hasil pelatihan model neural network didapatkan training accuracy sebesar 76.86% dan validation accuracy 75.24%
McFall, “Using visual lane detection to control steering in a self-driving vehicle,” Lect
Summary
Sdibahas dikarenakan tingkat kecelakaan lalu lintas yang banyak terjadi karena faktor kesalahan manusia. Angka kecelakaan lalu lintas yang disebabkan oleh faktor kesalahan manusia mencapai 61%, faktor kendaraan 9%, faktor prasarana dan lingkungan 30%[1]. Self driving cars adalah sebuah kendaraan yang dapat mengetahui lingkungan sekitar dengan sedikit campur tangan manusia. Penggunaan sensor tersebut bertujuan untuk mengenali lingkungan sekitar seperti mark jalan dan rambu-rambu lalu lintas. Penelitian ini ingin membangun prototype self driving cars dengan menerapkan metode NN yang digunakan untuk mengenali lingkungan sekitar seperti arah jalan. Self driving merupakan salah satu cara mengendalikan mobil dengan sedikit campur tangan manusia. B. Neural Network NN merupakan pengolahan informasi yang terinspirasi dari sistem saraf biologis manusia. Pengolahan informasi ini terdiri dari jumlah pemrosesan yang saling terhubung atau disebut dengan neuron, yang berkerja untuk menyelesaikan masalah tertentu. Neural network bekerja seperti jaringan saraf manusia melalui tahap pembelajaran berupa contohcontoh data yang diberikan. Kelebihan-kelebihan yang diberikan oleh neural network antara lain: 1. Belajar adaptive: Kemampuan untuk mempelajari bagaimana melakukan pekerjaan berdasarkan data yang diberikan untuk pelatihan atau pengalaman awal
Sign-in/Register to view highlights & summary Sign-in/Register to access full text options 
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a callDisclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.
