Pengenalan Plat Nomor Kendaraan Beresolusi Rendah Menggunakan Metode Learning Vector Quantization

Herlinawati, Shafira (2020) Pengenalan Plat Nomor Kendaraan Beresolusi Rendah Menggunakan Metode Learning Vector Quantization. Other thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 06111640000013-Undergraduate_Thesis.pdf]
Preview
Text
06111640000013-Undergraduate_Thesis.pdf

Download (3MB) | Preview

Abstract

Seiring berjalannya waktu, perkembangan teknologi semakin meningkat. Salah satu yang mengalami perkembangan pesat adalah sistem pengawasan lalu lintas yang semakin canggih. Pengawasan lalu lintas diperlukan mengingat semakin meningkatnya jumlah kecelakaan kendaraan yang disebabkan oleh pelanggaran lalu lintas jalan. Salah satu bagian dari pengawasan lalu lintas adalah pengenalan plat nomor kendaraan yang mana memiliki tahap penting yaitu tahap pengenalan karakter. Dalam tahap pengenalan karakter ini akan dihasilkan suatu keluaran berupa karakter teks. Pada beberapa kasus, citra plat nomor yang akan dikenali memiliki resolusi rendah yang diakibatkan oleh beberapa faktor seperti spesifikasi kamera dan proses deteksi/segmentasi plat nomor. Oleh karena itu dalam tugas akhir ini akan dirancang suatu program yang dapat mengenali karakter plat nomor kendaraan beresolusi rendah dan mengonversinya ke teks dengan menggunakan metode Learning Vector Quantization. Uji coba dilakukan dengan menggunakan 25 citra plat nomor beresolusi rendah yang terdiri dari 174 karakter. Hasil dari pengujian adalah didapatkan akurasi pengenalan karakter sebesar 96.55% dan akurasi pengenalan plat nomor sebesar 88%.

========================================================

Over time, technological development has advanced a lot. One that is experiencing rapid development is an increasingly sophisticated traffic control system. Traffic control is needed due to the increasing number of vehicle accidents caused by road traffic violations. One of traffic control system is license plates recognition that have an important steps which is character recognition. The output of this process is a text character. In some cases, license plat image has a low-resolution because of many factors like camera specification and detection/segmentation process. Therefore, in this final project, the writer will design a program that can recognize the characters of a moving vehicle license plate and convert it into text using the Learning Vector Quantization method. Testing was done by using 25 images of low-resolution vehicle license plate that have 174 characters. The accuracy of character recognition is 96.55% and the accuracy of license plat recognition is 88%.

Item Type: Thesis (Other)
Additional Information: RSMa 518.1 Her p-1 • Herlinawati, Shafira
Uncontrolled Keywords: learning vector quantization, pengenalan karakter, plat nomor kendaraan beresolusi rendah
Subjects: Q Science > QA Mathematics > QA336 Artificial Intelligence
T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques
Divisions: Faculty of Science and Data Analytics (SCIENTICS) > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User: Shafira Herlinawati
Date Deposited: 23 Aug 2020 09:18
Last Modified: 29 Oct 2023 14:38
URI: http://repository.its.ac.id/id/eprint/79437

Actions (login required)

View Item View Item