PENGARUH FITUR DAN ANGLE PADA EKSTRAKSI CIRI GLCM TERHADAP AKURASI UNTUK KLASIFIKASI OBJEK

The cars that can move on their own or have the ability to drive without assistance from humans are called autonomous cars. The development of various types of driverless vehicles is currently underway. Where in the future the computer system will replace the role of humans in driving vehicles. However, the problem in autonomous cars that deserves attention is the need for high security. Early warning systems are needed in autonomous car systems to detect objects in front of them. This is necessary to avoid accidents, especially when on the highway. In this study, researchers designed a system for vision-based vehicle detection in detecting cars in front of them. The detection algorithm used has two main components, namely color feature extraction using GLCM values, and 6 parameter testing of GLCM dissimilarity, correlation, homogeneity, contrast, ASM and energy. In this study using the SVM (Support Vector Machine) algorithm for the classification algorithm. Good accuracy results are found in the ASM feature and using an angle of 450, which is 88%.Mobil otonom adalah kendaraan yang dapat membimbing dirinya sendiri tanpa campur tangan manusia. Berbagai jenis kendaraan tanpa kemudi sedang dikembangkan. Sistem masa depan di mana komputer mengambil alih seni mengemudi. Masalahnya adalah sebelum menjadi perhatian dalam mobil otonom untuk mendapatkan keamanan yang tinggi. Mobil otonom membutuhkan sistem peringatan dini untuk menghindari kecelakaan di depan mobil, terutama sistem yang dapat digunakan di lokasi jalan raya. Dalam tulisan ini, kami mengusulkan sistem deteksi kendaraan berbasis visi untuk deteksi kendaraan berupa mobil.  Algoritme deteksi kami terdiri dari dua komponen utama: Ekstraksi ciri warna menggunakan nilai GLCM , dan pengujian 6 parameter dari GLCM dissimilarity, correlation, homogeneity, contrast, ASM dan energy. Kami menggunakan algoritma SVM (Support Vector Machine) untuk algoritma klasifikasi. Klasifikasi SVM (Support Vector Machine) dalam penelitian sebelumnya memiliki hasil yang cukup baik dan memiliki waktu komputasi yang cepat. Hasil akurasi yang baik terdapat pada fitur ASM dan menggunakan angle 45