Maulidia Rahmah Hidayah , 4611412021 (2017) PENGENALAN NOMOR PLAT KENDARAAN DENGAN METODE OTSU DAN KLASIFIKASI K-NEAREST NEIGHBOUR. Under Graduates thesis, Universitas Negeri Semarang.

Preview

PDF - Published Version Download (363kB) | Preview

Abstract

Peningkatan pertumbuhan kendaraan juga harusnya diimbangi dengan peningkatan pelayanan dan manajemen kendaraan. Topik yang sedang menarik sebagai solusi mengenai hal tersebut adalah License Plate Recognition (LPR), namun masih perlu adanya penelitian pengembangan dari metode LPR tersebut. Beberapa penelitian sebelumnya menunjukan K-Nearest Neighbour (KNN) berhasil pada pengenalan plat kendaraan mobil. Penelitian ini menggunakan metode KNN dan metode Otsu pada sepeda motor. Penelitian ini memaparkan pembangunan program LPR dan mencari hasil tingkat akurasi dari hasil pengenalan nomor plat kendaraan sepeda motor dengan binerisasi Otsu dan KNN. Tujuan dari penelitian ini adalah mengetahui implementasi dan akurasi penerapan metode Otsu dan klasifikasi KNN pada pengenalan nomor plat kendaraan. Metode yang digunakan dalam penelitian ini adalah metode Otsu untuk mengekstraksi ciri dari citra plat (binerisasi) dan KNN sebagai metode klasifikasinya. Metode yang digunakan untuk menganalisis permasalahan dalam penelitian ini adalah studi pustaka, observasi, merumuskan masalah, mengumpulkan dan mengolah data-data penelitian, merancang sistem, mengimplementasi sistem, mengevaluasi sistem dan menarik kesimpulan. Hasil penelitian ini adalah pembangunan program pengenalan plat nomor kendaraan dengan metode Otsu dan klasifikasi dengan memanfaatkan GUI Matlab R2014a. Pengenalan plat nomor pada kendaraan motor menjadi lebih sulit daripada pengenalan plat nomor mobil karena kondisi fisik plat motor banyak yang kurang layak serta posisi plat yang tidak sama antar sepeda motor. Berdasarkan hasil penelitian di atas, dapat disimpulkan bahwa pengenalan plat nomor kendaraan dengan metode Otsu dan klasifikasi KNN dengan mengikuti langkah dari pengenalan pola seperti input and sensing, pre-processing, extraction feature, segmentation and grouping, classification dan post-processing. Hasil penelitian menunjukan bahwa hasil pengenalan sebanyak 82% plat dari 100 plat uji. Tingkat akurasi pengenalan angka sebesar 93,75% dan akurasi pengenalan huruf sebesar 91,92%. Pengenalan plat nomor ini diharapkan dapat dikembangkan menjadi sistem informasi parkir dengan pengenalan plat nomor kendaraan secara otomatis, serta perlu adanya standarisasi plat nomor kendaraan secara merata di Indonesia untuk pemanfaatan yang lebih luas.

Actions (login required)

View Item