Implementasi Metode Convolutional Neural Network untuk Pengenalan Plat Nomor Kendaraan

Cosmas, Veran Goraldy (2025) Implementasi Metode Convolutional Neural Network untuk Pengenalan Plat Nomor Kendaraan. S1 Sistem Informasi thesis, STMIK Widya Cipta Dharma.

	Text 2041007-S1-Sistem Informasi.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text 2041007-S1-Jurnal.pdf Download (592kB)

Abstract

Penelitian ini dilakukan untuk mengkaji perkembangan teknologi kecerdasan buatan yang telah memberikan dampak signifikan pada berbagai sektor, termasuk pengenalan citra. Salah satu penerapannya adalah pengenalan plat nomor kendaraan, yang menjadi solusi penting untuk kebutuhan seperti e parking dan identifikasi kendaraan di berbagai lokasi. Tantangan utama yang dihadapi dalam penelitian ini mencakup variasi kondisi pencahayaan, sudut pengambilan gambar, desain plat nomor, serta kerusakan fisik pada plat tersebut. Untuk mengatasi tantangan tersebut, penelitian ini menggunakan metode Convolutional Neural Network (CNN) yang telah terbukti mampu mengenali pola kompleks dalam citra secara akurat. Metode pengembangan sistem mengikuti kerangka kerja SKKNI Nomor 299 Tahun 2020 yang melibatkan tahapan Business Understanding, Data Understanding, Data Preparation, Modeling, dan Model Evaluation. Proses preprocessing dilakukan menggunakan OpenCV untuk mendeteksi area karakter, dan model CNN dilatih menggunakan perangkat lunak pendukung seperti Jupyter Notebook (Python) dan Visual Studio Code. Hasil akhir dari penelitian ini adalah prototipe berbasis website yang memungkinkan pengguna untuk mengunggah gambar plat nomor dan mendapatkan hasil prediksi secara otomatis. Berdasarkan pengujian, sistem ini mencapai tingkat akurasi 92.36% pada data pelatihan dan 87.50% pada data validasi. Penelitian ini menunjukkan bahwa metode CNN efektif dalam pengenalan plat nomor kendaraan, meskipun akurasinya dapat ditingkatkan lebih lanjut dengan dataset yang lebih besar dan beragam. Prototipe ini diharapkan dapat menjadi solusi praktis yang mendukung sistem transportasi cerdas ============================================================ This research was conducted to explore the advancements in artificial intelligence technology, which have had a significant impact on various sectors, including image recognition. One of its applications is vehicle license plate recognition, which serves as an essential solution for needs such as e-parking and vehicle identification in various locations. The main challenges addressed in this study include variations in lighting conditions, image capture angles, license plate designs, and physical damage to the plates. To overcome these challenges, this study employs the Convolutional Neural Network (CNN) method, which has been proven effective in accurately recognizing complex patterns in images.. The system development method followed the SKKNI Framework No. 299 of 2020, which involves the stages of Business Understanding, Data Understanding, Data Preparation, Modeling, and Model Evaluation. The preprocessing process utilized OpenCV to detect character regions, and the CNN model was trained using supporting tools such as Jupyter Notebook (Python) and Visual Studio Code. The final result of this research is a website-based prototype that allows users to upload license plate images and obtain automatic prediction results. Based on testing, the system achieved an accuracy level of 92.36% on training data and 87.50% on validation data. This research demonstrates that the CNN method is effective for license plate recognition, although its accuracy can be further improved with a larger and more diverse dataset. This prototype is expected to be a practical solution supporting intelligent transportation systems

Item Type:	Thesis (S1 Sistem Informasi)
Additional Information:	Wahyuni S.Kom., M.Kom Pitrasacha Aditya S.T., M.T
Uncontrolled Keywords:	Pengenalan Plat Nomor, Convolutional Neural Network (CNN), OpenCV.
Subjects:	Q Science > QA Mathematics > QA76 Computer software
Divisions:	Sistem Informasi
Depositing User:	Mr Veran Goraldy Cosmas
Date Deposited:	06 Feb 2025 03:14
Last Modified:	06 Feb 2025 03:14
URI:	http://repository.wicida.ac.id/id/eprint/6000

Actions (login required)

View Item