PENERAPAN METODE OCR DAN COLOUR FEATURE EXTRACTION UNTUK IDENTIFIKASI PELAT NOMOR KENDARAAN
DOI:
https://doi.org/10.36815/semastek.v2i1.122Keywords:
OCR, Colour Feature Extraction, Pelat NomorAbstract
Penelitian ini bertujuan untuk menganalisis pelat nomor kendaraan pada dataset terpisah guna evaluasi laporan dan penerapan sanksi yang akurat. Pengembangan sistem deteksi pelat kendaraan dilakukan dengan memanfaatkan citra pelat nomor dan model warna RGB, serta algoritma yang mengurangi penggunaan perulangan untuk meminimalisir keterlambatan dalam proses identifikasi. Tahap utama meliputi deteksi pelat nomor, deteksi warna pelat, deteksi karakter menggunakan teknologi OCR, dan hasilnya diekspor ke format Excel. Pengenalan citra digunakan untuk menganalisis berbagai jenis data, termasuk nomor kendaraan, jenis kendaraan, dan asal kendaraan dalam format Microsoft Excel. Potensi peningkatan akurasi sistem dapat dicapai dengan nilai Mean Squared Error (MSE) yang saat ini mencapai 0.15. Semakin mendekati nol nilai MSE, semakin baik kinerja sistem deteksi pelat nomor. Pentingnya pemeliharaan dan pengenalan pelat kendaraan, terutama menghadapi ancaman yang semakin meningkat, menjadikan penelitian ini relevan dan berkontribusi dalam menjaga keamanan kendaraan secara keseluruhan. Dengan implementasi sistem deteksi pelat kendaraan yang lebih luas, penelitian ini dapat membantu analisis pelat nomor pada data terpisah, evaluasi laporan, dan memberikan sanksi yang sesuai. Secara keseluruhan, penelitian ini membantu pengembangan sistem deteksi kendaraan yang efisien dan meningkatkan akurasi melalui analisis citra dan pengenalan karakter pada pelat nomor kendaraan.
References
S. B. Nurcahyo, E. Y. Puspaningrum, and W. S. . Saputra, “Deteksi Plat Nomor Kendaraan Dengan Menggunakan Metode Hough Transform Dan Support Vektor Machine,” J. Inform. dan Sist. Inf., vol. 1, no. 2, pp. 659–668, 2020.
D. S. Ramadhansyah and A. Kurniawardhan, “Penelitian Deteksi Pelat Nomor Kendaraan : Kajian Pustaka,” J. Autom., vol. 2, no. 1, p. 5, 2019.
W. Setiawan and N. H. Farhan, “Deteksi Objek Plat Nomor Kendaraan Dengan Metode CNN,” J. Comput. Bisnis, vol. 16, no. 1, p. 46, 2022, doi: 10.56447/jcb.v16i1.272.
W. Sugeng, R. K. Utoro, and M. T. Prabowo, “Identifikasi Plat Nomor Kendaraan Dengan Metode Optical Character Recognition Menggunakan Raspberry Pi,” J. Inform., vol. 7, no. 2, pp. 116–125, 2020, doi: 10.31294/ji.v7i2.7997.
A. Badr, M. M. Abdel, A. M. Thabet, and A. M. Abdelsadek, “Automatic number plate recognition system,” Ann. Univ. Craiova, Math. Comput. Sci. Ser., vol. 38, no. 1, pp. 62–71, 2020.
D. Fitriati, N. R. Pasha, B. Hariyanto, A. Murtako, and S. R. C. Nursari, “Smart System for Automatic Crop and Recognition Plat Number,” J. Ris. Inform., vol. 3, no. 2, pp. 145–152, 2021, doi: 10.34288/jri.v3i2.183.
L. P. Ristantyo, H. Nugroho, and W. A. Pramudito, “Sistem Identifikasi Tanda Nomor Kendaraan Bermotor Indonesia Berbasis Artificial Neural Network,” Kilat, vol. 11, no. 2, pp. 149–157, 2022, [Online]. Available: http://jurnal.itpln.ac.id/kilat/article/view/1647
J. Informasi et al., “Klasifikasi Alexnet dan Deteksi Tepi Canny untuk Identifikasi Citra Repomedunm,” vol. 5, no. 1, pp. 191–198, 2023, doi: 10.37034/jidt.v5i1.295.
S. P. Adenugraha, V. Arinal, and D. I. Mulyana, “Klasifikasi Kematangan Buah Pisang Ambon Menggunakan Metode KNN dan PCA Berdasarkan Citra RGB dan HSV,” J. Media Inform. Budidarma, vol. 6, no. 1, p. 9, 2022, doi: 10.30865/mib.v6i1.3287.
V. Singh, Y. Verma, T. Bhavsar, S. Saini, and G. Gupta, “Vehicle Number Plate Recognition using MATLAB,” Int. J. Electr. Electron. Comput., vol. 6, no. 3, pp. 24–26, 2021, doi: 10.22161/eec.63.3.
Trivusi, “Perbedaan MAE, MSE, RMSE, dan MAPE pada Data Science,” www.trivusi.web.id, 2023. https://www.trivusi.web.id/2023/03/perbedaan-mae-mse-rmse-dan-mape.html (accessed Mar. 11, 2023).
