Lokalisasi Pelat Kendaraan Bermotor Roda Dua Berbasis Pengolahan Citra Digital (Studi Kasus: Gerbang Parkir Pasar Sokaraja, Kabupaten Banyumas, Jawa Tengah, Indonesia)

SAYYID TAUFIQ ABDULHAFIZH

Informasi Umum

Kode

21.04.3191

Klasifikasi

006.37 - Computer Vision

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Computer Vision

Dilihat

225 kali

Informasi Lainnya

Abstraksi

Lokalisasi pelat nomor adalah suatu metode untuk menemukan lokasi pelat nomor pada citra tertentu dan juga merupakan salah satu bagian penting dalam pengenalan pelat nomor. Lokalisasi yang buruk dapat berpengaruh negatif pada pengenalan pelat nomor. Berbagai penelitian sebelumnya telah banyak mengungkap masalah lokalisasi, deteksi dan pengenalan pelat nomor. Walaupun demikian, sebagian besar penelitian tersebut menggunakan citra yang lingkungannya mendukung untuk dilakukan image processing. Apabila metode lokalisasi dihadapkan pada citra dengan lingkungan yang sesuai dengan realitas, seperti terdapat orang yang melintas, bentuk pelat nomor tidak sempurna, pelat nomor tidak sesuai dengan ketentuan atau adanya barang maupun objek lain di dekat pelat nomor, hal-hal tersebut dapat mengurangi akurasi, sehingga diperlukan sistem lokalisasi pelat nomor yang dapat mengatasinya. Pada penelitian ini, penulis menggunakan citra yang diambil langsung dari gerbang parkir kendaraan bermotor roda dua di Pasar Sokaraja pada pukul 06.00-09.00 WIB. Kondisi citra tersebut dipenuhi oleh banyak objek lain. Penulis menggunakan metode background subtraction untuk memisahkan background dengan foreground, metode morphological transformation untuk mereduksi noise pada citra, metode sobel edge detection untuk mempertegas tepi pada citra, dan metode otsu threshold dan masking color untuk membantu mereduksi noise maupun objek lain di sekitar pelat nomor agar lokalisasi menjadi semakin akurat. Dengan menggunakan metode tersebut, penelitian ini memiliki output berupa citra hasil potong dari lokasi prediksi pelat nomor dan berhasil memperoleh akurasi sebesar 90,1%, Recall sebesar 95%, Precision sebesar 92%, F1-Score sebesar 94%, Specificity sebesar 73%, dan NPV sebesar 62%.