Deteksi Dan Pengenalan Plat Karakter Nomor Kendaraan Menggunakan OpenCV Dan Deep Learning Berbasis Python

  • Mochammad Zakiyamani Nusa Mandiri
  • Trisiwi Indra Cahyani Universitas Nusa Mandiri
  • Dwiza Riana Universitas Nusa Mandiri
  • Sri Hardianti Universitas Nusa Mandiri

Abstract

Sistem pengenalan karakter pada plat nomor kendaraan Indonesia memberikan alternatif pengenalan karakter plat kendaraan menggunakan metode Convolutional Neural Network (CNN) untuk mengenali objek pada gambar selayaknya manusia dengan pembelajaran pada sebuah komputer dengan menggunakan jaringan saraf tiruan. Pengenalan karakter plat nomor kendaraan Indonesia merupakan salah satu jenis deep learning karena dapat mengenali berbagai karakter huruf dan angka. Tujuan dari penelitian dapat memberikan solusi agar memudahkan kepada petugas parkir yang khususnya masih dilakukan secara manual pencatatan nomornya, sehingga dapat dilakukan secara otomatis oleh sistem langsung di deteksi karakter nomor kendaraan tersebut dan juga mengurangi human error. Hasil dari penelitian ini adalah sistem yang sudah ada pada komputer dapat mengenali karakter pada plat nomor kendaraan Indonesia yang sudah kita masukkan. Data yang digunakan dalam penelitian ini sebanyak 40 citra mobil dan 36 kelas karakter yang terdiri dari huruf dan angka. Hasil akurasi pengujian plat kendaraan dengan metode CNN yaitu dengan tingkat akurasi mencapai 96 % dengan tingkat kesalahan 11,78%.

References

Abidin, T. F., AzZuhri, A. A., & Arnia, F. (2018). Pengenalan Karakter Plat Nomor Kendaraan Bermotor Menggunakan Zoning dan Fitur Freeman Chain Code. Jurnal Rekayasa Elektrika, 14(1), 19-25.
Arrofiqoh, E. N., & Harintaka, H. (2018). Implementasi Metode Convolutional Neural Network Untuk Klasifikasi Tanaman Pada Citra Resolusi Tinggi. Geomatika, 24(2), 61-68.
David, D. (2015). Pengenalan Pola Plat Nomor Kendaraan Menggunakan Jaringan Syaraf Tiruan Backpropagation. Sisfotenika, 3(1), 71-80.

Gou, C., Wang, K., Yao, Y., & Li, Z. (2015). Vehicle license plate recognition based on extremal regions and restricted Boltzmann machines. IEEE Transactions on Intelligent Transportation Systems, 17(4), 1096-1107.
Huu, P. N., Quoc, C. V., Vu, T. N., Trong, H. N., Minh, Q. T., & Dac, T. N. (2020, November). Proposing algorithm for detecting car number plate using SVM and WPOD-NET models. In 2020 International Conference on Advanced Computing and Applications (ACOMP) (pp. 29-33). IEEE.
Naren. B., R., Sowmya, V., & Soman. K. P. (2019). Indian Car Number Pelate Recognition using Deep Learning. 2019 2nd International Conference on Intelligent Computing, Instrumentation and Control Technologies, ICICICT 2019,12691272. https://doi.org/10.1109/ICICICT4 6008.2019.899
Rohim, A., Sari, Y. A., & Tibyani, T. (2019). Convolution neural network (cnn) untuk pengklasifikasian citra makanan tradisional. JPTIIK (Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer), 3(7), 7037-7042.
Rokhana, R., Priambodo, J., Karlita, T., Sunarya, I. M. G., Yuniarno, E. M., Purnama, I. K. E., & Purnomo, M. H. (2019). Convolutional neural network untuk pendeteksian patah tulang femur pada citra ultrasonik b–mode. Jurnal Nasional Teknik Elektro dan Teknologi Informasi (JNTETI), 8(1), 59-67.
Santoso, A., & Gunawan Ariyanto, S. T. (2018). Implementasi deep learning berbasis keras untuk pengenalan wajah (Doctoral dissertation, Universitas Muhammadiyah Surakarta).
Silva, S. M., & Jung, C. R. (2018). License plate detection and recognition in unconstrained scenarios. In Proceedings of the European conference on computer vision (ECCV) (pp. 580-596).
Sutar, G. T., Lohar, A. M., & Jadhav, P. M. (2019). Number Plate Recognition Using an Improved Segmentation. LAP LAMBERT Academic Publishing.
Primartha, R. (2018). Belajar machine learning teori dan praktek. Bandung: Informat
Published
2022-05-16
How to Cite
Zakiyamani, M., Cahyani, T. I., Riana, D., & Hardianti, S. (2022). Deteksi Dan Pengenalan Plat Karakter Nomor Kendaraan Menggunakan OpenCV Dan Deep Learning Berbasis Python. INTECOMS: Journal of Information Technology and Computer Science, 5(1), 56-64. https://doi.org/https://doi.org/10.31539/intecoms.v5i1.3403
Abstract viewed = 0 times
PDF downloaded = 0 times