Rambu lalu lintas adalah salah satu atribut untuk mengatur jalannya kendaraan agar
lebih teratur. Rambu lalu lintas memuat bentuk, lambang, huruf, angka serta kalimat
untuk memberikan perintah, larangan, peringatan dan petunjuk agar lebih tertib
berlalu lintas. Seiring berkembangnya zaman sistem deteksi rambu lalu lintas masuk
mejadi sebuah teknologi di mana citra akan di proses ke dalam komputer. Untuk
memproses sebuah citra ke dalam komputer memerlukan sebuah metode ekstraksi
fitur, pada penelitian ini dibuatlah model dengan metode ekstraksi fitur Zernike
Moment-Color Moment dan K-Nearest Neighbors untuk mendeteksi citra rambu lalu
lintas. Data citra rambu lalu lintas yang digunakan 96 data training dan 18 data
testing yang terdiri dari 6 kelas berbeda. Pada penelitian ini didapatkan nilai akurasi
terbaik 88,88% pada nilai K=9 menggunakan kombinasi ekstraksi fitur Zernike
Moment-Color Moment, model yang menggunakan ekstraksi fitur Zernike Moment
didapatkan akurasi terbaik 50% pada nilai K=8, dan model yang menggunakan
ekstraksi fitur Color Moment didapatkan akurasi terbaik 77,78% pada nilai K=12.
Dari hasil tersebut, dapat disimpulkan bahwa model yang menggunakan kombinasi
ekstraksi fitur Zernike Moment-Color Moment dan K-Nearest Neighbors mampu
untuk mengidentifikasi citra rambu lalu lintas lebih baik dari pada model yang hanya
menggunakan salah satu ekstraksi fitur Zernike Moment atau Color Moment saja.