Rancang Bangun Sistem Pengenalan Plat Nomor Kendaraan Menggunakan Jaringan Saraf Tiruan Backpropagation
Abstract
Sistem parkir manual memungkinkan adanya kesalahan dalam pencatatan, pelayanan yang membutuhkan waktu lama, dan tidak adanya riwayat pengguna kendaraan. Sistem pengenalan plat motor kendaraan dirancang sebagai alternatif sistem parkir yang lebih akurat dalam pencatatan, pelayanan yang cepat, dan adanya data pengguna kendaraan. Sistem pengenalan plat motor kendaraan telah dirancang dilengkapi dengan Jaringan Saraf Tiruan (JST) Backpropagation. Sistem pengenalan yang telah dirancang terlebih dahulu melalui proses pengolahan citra dengan tahap grayscale, black and white, segmentasi, dan principal component analysis (PCA). Sistem diintegrasikan dengan JST backpropagation dengan multi layer network dengan hasil terbaik pada layer1 550 dan layer2 500. Sistem pengenalan plat nomor dilengkapi dengan dengan Graphycal User Interface (GUI) untuk menampilkan hasil identifikasi pengenalan plat nomor kendaraan. Hasil identifikasi pengenalan plat nomor menghasilkan akurasi pelatihan 100% dan akurasi pengujian 97,95918367% pengujian.
Downloads
References
Bhandari, A. K., Kumar, A., Chaudhary, S., & Singh, G. K. (2016). A novel color image multilevel thresholding based segmentation using nature inspired optimization algorithms. Expert Systems with Applications, 63, 112–133. https://doi.org/10.1016/j.eswa.2016.06.044
Meilandanu, A., Rasmana, S. T., & Susanto, P. (2018). Pengenalan Plat Nomor Kendaraan Menggunakan Metode Diagonal Distance Feature. Journal of Control and Network Systems, 7(1), 50-61.
Siang, J. J. (2009). Jaringan Syaraf Tiruan Dan Pemrogramannya Dengan Matlab. Yogyakarta: Andi Yogyakarta.
Tjolleng, A. (2017). Pengantar pemrograman MATLAB: Panduan praktis belajar MATLAB. Jakarta: Elex Media Komputindo.
Wong, N. P., Hardy, & Maulana, A. (2013). Aplikasi Pengenalan Karakter Pada Plat Nomor Kendaraan Bermotor Dengan Learning Vector Quantization. Prosiding Seminar Nasional Sistem Informasi Indonesia 2013, 2–4.
Copyright (c) 2022 Shabri Putra Wirman, Neneng Fitrya

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Each article is copyrighted © by its author(s) and is published under license from the author(s).
When a paper is accepted for publication, authors will be requested to agree with the Creative Commons Attribution-Noncommercial-No Derivative Works 4.0

