Klasifikasi Ketersediaan Slot Parkir Menggunakan Metode Mask Region - Convolutional Neural Network

Klasifikasi Ketersediaan Slot Parkir Menggunakan Metode Mask-RCNN

Industri smart parking akan terus berkembang seiring bertambahnya kendaraan. Hasil penelitian menunjukkan bahwa sebanyak 30% pengemudi berkeliling mencari lahan parkir di daerah kota yang padat. Oleh karena itu, penelitian ini bertujuan untuk membuat sistem untuk memproses status slot parkir pada area parkir mobil dengan menggunakan metode Mask Region based Neural Network (Mask-RCNN) pada setiap region area parkir dan mendapatkan model yang optimal. Dengan adanya informasi parkir yang kosong atau informasi kendaraan yang parkir di lahan tersebut dapat lebih mengefisiensikan pengemudi untuk memarkirkan mobilnya. Hasil variasi konfigurasi untuk klasifikasi slot parkir dengan membandingkan arsitektur, filter region proposal network (RPN), learning rate, dan epoch pada model yang dibangun. Pada pengujian didapatkan nilai mean Average Precision (mAP) terbaik sebesar train_mAP 97,3% dan test_mAP 95,5% pada 4 tipe dataset dengan konfigurasi Residual Neural Network-101, filter Region Proposal Network-16, epoch 300, dan learning rate sebesar 0,005. Dengan nilai presisi 99,9%, recall 99,9%, dan F1-Score 99,9% terhadap data uji citra penelitian sebelumnya.

Kata Kunci: status slot parkir, mean average precision, arsitektur, lahan parkir