MACHINE LEARNING IN AUTOMOTIVE APPLICATION OF CONVOLUTIONAL NEURAL NETWORK ON INDONESIAN TRAFFIC SIGN RECOGNITION

FATHIAH, Prof. Amin Wibowo, Ph.D.

2022 | Tesis | Magister Manajemen

Perusahaan manufaktur otomotif telah mampu mengintegrasikan sistem computer vision ke dalam mobil sebagai kemajuan dalam kemampuan teknis prosesor modern. Sistem ini memainkan peran kunci dalam menerapkan langkah penting menuju mengemudi otonom serta meningkatkan keselamatan. Traffic Sign Recognition (TSR) digunakan untuk menghadapi masalah-masalah yang dihadapi pekerjaan computer vision seperti kinerja perangkat keras yang mahal dan ketidakmampuan sistem untuk mengkategorikan rambu lalu lintas dari berbagai negara. Oleh karena itu, penelitian ini berfokus pada rambu-rambu lalu lintas di Indonesia sebagai bagian dari upaya untuk menunjukkan peluang penerapan machine learning di sektor otomotif Indonesia. Penelitian ini bertujuan untuk meningkatkan penerapan pembelajaran mendalam untuk pengalaman berkendara yang lebih baik bagi produsen untuk mengolah data dan menggunakan pembelajaran mesin dan secara keseluruhan mengarah pada pertumbuhan ekonomi bangsa. Model yang digunakan dalam penelitian ini menggunakan algoritma klasifikasi Convolutional Neural Network dan diimplementasikan menggunakan framework TensorFlow. Seluruh proses implementasi Traffic Sign Detection dan Traffic Sign Recognition dilakukan dengan menggunakan Google Colab. Hasil prediksi menghasilkan akurasi yang tinggi dan mampu memprediksi gambar kehidupan nyata. Rekomendasi manajerial juga diberikan dengan menggunakan tinjauan pustaka dan analisis yang berfokus pada tiga aspek: bisnis, teknis, serta sosial dan lingkungan.

Automotive manufacturing companies have been able to integrate computer vision systems into cars as advancements in the technical capabilities of modern mobile processors. These systems play a key role in implementing a crucial step toward autonomous driving and considerably enhancing safety. Traffic Sign Recognition (TSR) is a task to tackle among other computer vision-based jobs, where it requires expensive hardware computational performance and inability of some systems to categorize traffic signs from various countries. Therefore, this research focuses on Indonesian traffic signs as part of the effort to point out the opportunities of application of machine learning in the Indonesian automotive sector. This research aims to increase the application of deep learning for better driving experience for manufacturers to process the data and use machine learning and overall leads to economic growth of the nation. The model employed in this research uses a classification algorithm using Convolutional Neural Network and implemented using TensorFlow framework. The entire process for Traffic Sign Detection and Traffic Sign Recognition is carried out using Google Colab. The prediction results in a high accuracy and is able to predict real-life pictures. Managerial recommendations are given afterwards using literature review and analysis that focuses on three aspects: business, technical and social and environmental issues.

Kata Kunci : artificial intelligence, machine learning, deep learning, artificial neural network, convolutional neural network, traffic sign detection, traffic sign recognition, intelligent transportation system