Pada penelitian ini dilakukan analisis metode edge canny detection sebagai metode untuk mengekstraksi ciri dan jaringan saraf tiruan Learning Vector Quantization (LVQ) sebagai metode untuk pengklasifikasian kendaraan. Jenis kendaraan yang akan diklasifikasi adalah kendaraan golongan I, II, dan III. Kendaraan yang termasuk golongan I, yaitu: sedan, mini sedan, pick up, dan truk kecil. Kendaraan golongan II, yaitu truk dua gandar. Kendaraan golongan III, yaitu truk tiga gandar. Metode edge detection akan mendeteksi semua edge atau garis-garis yang membentuk objek gambar. Tujuan pendeteksian ini adalah agar objek di dalam gambar dapat dikenali dan disederhanakan bentuknya dari bentuk sebelumnya. Metode edge canny detection merupakan pengembangan dari metode dasar edge detection. Perancangan sebuah prosedur dengan menerapkan langkah-langkah metode canny edge detection akan menghasilkan sebuah tampilan gambar yang berbeda dengan menampilkan efek relief didalamnya. Relief adalah sebuah tampilan batu kasar yang diukir, yaitu garis-garis kasar yang membentuk sebuah penggambaran objek didalamnya. Kelebihan dari metode canny adalah kemampuan untuk mengurangi noise sebelum melakukan perhitungan deteksi tepi sehingga tepi-tepi yang dihasilkan lebih banyak. Beberapa langkah dalam pengolahan citra adalah preprocessing, deteksi tepi, ekstraksi ciri. Learning vector quantization (LVQ) adalah metode dengan menghitung jarak antara bobot awal dengan data pelatihan, sehingga pada akhir iterasi akan ditemukan bobot akhir tiap data. Dengan menggunakan metode ini, sistem mampu mengenali dengan akurasi 87.2%.