Ahmadie, Beryl Labique (2017) Pengenalan Plat Nomor Mobil Menggunakan Metode Learning Vector Quantization. Sarjana thesis, Universitas Brawijaya.
Abstract
Jumlah kendaraan bermotor di Indonesia meningkat setiap tahun. Peningkatan jumlah kendaraan bermotor ini menimbulkan antrian panjang pada gerbang, mall, atau jalan tol yang membutuhkan proses pencatatan plat nomor. Penelitian ini akan membantu mempermudah proses pencatatan plat nomor dengan cara membuat sistem pengenalan plat nomor mobil dari sebuah citra digital. Langkah awal pada sistem pengenalan plat nomor adalah melakukan deteksi lokasi plat nomor dari sebuah citra digital yaitu dengan cara mengplikasikan vertical edge detection, hal ini dilakukan untuk mendapatkan area plat nomor yang kaya dengan garis vertikal. Langkah berikutnya adalah melakukan segmentasi karakter pada potongan citra plat nomor yang sudah didapat sebelumnya dengan menggunakan algoritma connected component. Langkah terakhir adalah pengenalan karakter dengan menggunakan salah satu metode dari jaringan saraf tiruan yaitu metode learning vector quantization. Berdasarkan hasil pengujian yang dilakukan pada penelitian ini, diperoleh akurasi tertinggi sebesar 94% pada proses deteksi plat nomor, nilai f-measure tertinggi sebesar 0,88 pada proses segmentasi karakter dan pada proses pengenalan karakter menggunakan metode Learning Vector Quantization diperoleh akurasi tertinggi sebesar 86,67%.
English Abstract
The amount of vehicles in Indonesia increases every year, this causing long queues at gates, mall, or tolls that require the process of recording license plates. This research will help simplify the process of recording license plate by creating a vehicle license plate recognition system. The system will try to recognize the license plate from a digital image. The first step in the license plate recognition system is to detect the location of the license plate by applying vertical edge detection because the area of license plate contains rich edge and texture information. The next step is character segmentation, this is a process to get characters from license plate image. this can be done by applying connected component algorithm. The last step is character recognition using neural network algorithm, this research use learning vector quantization algorithm. Based on the result of this research, the highest accuracy is 94% in the license plate detection process, the highest f-measure value is 0,88 in the character segmentation process and the highest accuracy for character recognition using Learning Vector Quantization algorithm is 86,67%.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/FTIK/2017/472/051707794 |
Uncontrolled Keywords: | Jaringan Saraf Tiruan, Karakter, Mobil, Pengenalan, Pengolahan Citra Digital, Plat nomor |
Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.31 Machine learning |
Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
Depositing User: | Yusuf Dwi N. |
Date Deposited: | 30 Aug 2017 08:27 |
Last Modified: | 18 Sep 2020 05:42 |
URI: | http://repository.ub.ac.id/id/eprint/1932 |
Preview |
Text
Beryl Labique Ahmadie.pdf Download (10MB) | Preview |
Actions (login required)
![]() |
View Item |