• Login
    View Item 
    •   DSpace Home
    • FACULTY OF INDUSTRIAL TECHNOLOGY
    • ELECTRICAL ENGINEERING (TEKNIK ELEKTRO)
    • DISSERTATIONS AND THESES (EE)
    • View Item
    •   DSpace Home
    • FACULTY OF INDUSTRIAL TECHNOLOGY
    • ELECTRICAL ENGINEERING (TEKNIK ELEKTRO)
    • DISSERTATIONS AND THESES (EE)
    • View Item
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    IDENTIFIKASI TANDA NOMOR KENDARAAN BERMOTOR (TNKB) INDONESIA BERBASIS ARTIFICIAL NEURAL NETWORK (ANN)

    Thumbnail
    View/Open
    Laporan Tugas Akhir Laras Prameswari.pdf (6.907Mb)
    Date
    2021-09-06
    Author
    Ristantyo, Laras Prameswari
    Metadata
    Show full item record
    Abstract
    Tanda Nomor Kendaraan Bermotor (TNKB) atau yang biasa disebut dengan plat nomor merupakan prasyarat yang wajib dimiliki oleh suatu kendaraan bermotor yang berfungsi sebagai identitas dan tanda registrasi yang berisi informasi kode wilayah, nomor registrasi, dan masa berlaku kendaraan bermotor yang sesuai dengan Surat Tanda Nomor Kendaraan (STNK). Seiring dengan meningkatnya jumlah kendaraan bermotor tiap tahun, maka diperlukan sistem yang dapat mendeteksi objek Tanda Nomor Kendaraan Bermotor serta mengenali karakter yang ada pada Tanda Nomor Kendaraan Bermotor secara otomatis agar dapat mempermudah pekerjaan dalam hal manajemen sistem parkir, maupun sistem tilang elektronik. Pada penelitian ini, digunakan total 6541 data citra Tanda Nomor Kendaraan Bermotor Indonesia yang telah diolah menggunakan metode Convolutional Neural Network (CNN) untuk mendeteksi keberadaan objek TNKB dan metode Optical Character Recognition (OCR) untuk mengenali karakter pada objek Tanda Nomor Kendaraan Bermotor yang berupa huruf dan angka. Convolutional Neural Network diimplementasikan untuk mendeteksi keberadaan objek Tanda Nomor Kendaraan Bermotor dikarenakan Convolutional Neural Network memiliki kinerja yang baik dalam permasalahan pembelajaran mesin (machine learning) khususnya dalam pengaplikasian pada data citra. Optical Character Recognition diimplementasikan untuk pengenalan karakter pada Tanda Nomor Kendaraan Bermotor dikarenakan algoritma Optical Character Recognition dapat mengkonversi karakter pada citra Tanda Nomor Kendaraan Bermotor menjadi sebuah teks. Akurasi sistem yang diperoleh pada penelitian ini adalah sebesar 84.59%. Terdapat dua jenis pengujian yang dilakukan pada penelitian ini yaitu pengujian dengan data citra real-time dan non real-time.
    URI
    https://library.universitaspertamina.ac.id//xmlui/handle/123456789/4422
    Collections
    • DISSERTATIONS AND THESES (EE)

    DSpace software copyright © 2002-2015  DuraSpace
    Contact Us | Send Feedback
    Theme by 
    @mire NV
     

     

    Browse

    All of DSpaceCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsThis CollectionBy Issue DateAuthorsTitlesSubjects

    My Account

    LoginRegister

    DSpace software copyright © 2002-2015  DuraSpace
    Contact Us | Send Feedback
    Theme by 
    @mire NV