Triwahyuni, Lia (2011) Pengenalan Nomor Plat Kendaraan Menggunakan Metode Jaringan Syaraf Tiruan (JST) Backpropagation. Sarjana thesis, Universitas Brawijaya.
Abstract
Teknik pengenalan huruf terus dikembangkan dalam berbagai metode pengenalan. Salah satunya dapat dimanfaatkan untuk pengenalan angka pada plat nomor. Dewasa ini banyak penelitian tentang pengenalan plat nomor dengan menggunakan berbagai metode. Pada umumnya metode yang digunakan dalam pengenalan huruf dalam hal ini pengenalan plat nomor kendaraan yaitu menggunakan metode pencocokan citra dan pendekatan statistika. (Kusumoputro, dkk. 1999). Untuk mendapatkan struktur JST yang terbaik, dilakukan pelatihan dengan beberapa parameter diantaranya jumlah neuron pada hidden layer dan learning rate. Untuk mengetahui keberhasilan sistem pengenalan nomor plat ini yaitu dengan cara mengitung jarak error terdekat dan tingkat keakuratan dalam mengenali nomor plat. Dari penelitian ini diperoleh struktur JST dengan jumlah neuron pada input layer sebanyak 540 unit, jumlah neuron pada hidden layer sebanyak 100 unit, jumlah neuron pada output layer sebanyak 15 unit, nilai learning rate sebesar 0,9 dan maksimal epoch sebesar 10000 dengan nilai MSE terkecil sebesar 0,000975482. JST yang terbentuk mampu mengenali karakter nomor plat dengan nilai keakuratan rata-rata untuk data yang sudah pernah dilakukan pelatihan sebesar 100% dan rata-rata keakuratan hasil pengenalan untuk data yang belum pernah dilakukan pembelajaran sebesar 52%.
English Abstract
Character identification techniques were continually developed in various identification methods. One of them could be exploited to identify numbers on licence plates. A great number of studies about licence numbers with different kinds of methods were executed nowadays. In general methods used in character identification in this matter vehicle licence plates identification was image compatibility and statistical approach (Kusumoputro, dkk. 1999). To obtain the best ANN structure, training was conducted with several parameters including the number of neurons in hidden layer and learning rate. To determine the success of this licence number identification system was by counting the nearest distance error and accuracy level in identifying license number. This study obtained an ANN structure with the number of neuron in input layer of 540 units, the number of neuron in hidden layer of 100 units, the number of neuron in output layer of 15 units, learning rate value of 0.9 and the maximum epoch of 10000 with the smallest MSE value of 0.000975482. The developed ANN was able to identify licence number characters with average accuracy value of 100% for data that has done training and average identification result accuracy of 25% for data that has never done learning.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2011/302/051104168 |
| Subjects: | 500 Natural sciences and mathematics > 510 Mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
| Depositing User: | Unnamed user with email repository.ub@ub.ac.id |
| Date Deposited: | 03 Nov 2011 13:24 |
| Last Modified: | 22 Oct 2021 08:40 |
| URI: | http://repository.ub.ac.id/id/eprint/152749 |
Preview |
Text
051104168.pdf Download (5MB) | Preview |
Actions (login required)
 |
View Item |