ABSTRAKSI: Setiap kendaraan memiliki identitas berupa plat nomor kendaraan yang secara resmi dikeluarkan oleh negara. Nomor kendaraan yang berbeda itulah yang membuat plat banyak digunakan sebagai identitas pada berbagai sistem seperti sistem pakir, sistem keamanan bangunan dan sistem tol. Dan salah satu sub sistem yang penting dari sistem tersebut adalah pengenalan plat kendaraan.
Pada tugas akhir ini dibuat sistem pengenalan plat kendaraan yang akan membaca karakter pada plat kendaraan dari masukan berupa video yang telah disimpan terlebih dahulu.
Pada prosesnya dilakukan 6 tahapan. Pada tahap preprocessing dilakukan peningkatan kualitas citra dengan mengunakan transformasi top-hat dan bottom-hat, pada tahap deteksi plat dilakukan deteksi daerah plat dan cropping plat, pada tahap segmentasi dilakukan pemisahan tiap karakter yang akan dideteksi, dan pada tahap normalisasi dilakukan proses perubahan dimensi karakter. Selanjutnya, pada tahap ekstraksi ciri dilakukan pengambilan ciri-ciri tertentu dari tiap karakter. Dan pada tahap pengenalan karakter yang menggunakan JST Self Organizing Map (SOM) dilakukan penentuan vektor penyusun garis karakter dengan cara menghubungkan titik-titik neuron yang ada pada suatu region karakter.
Pengujian dilakukan dengan mengambil sampel-sampel video untuk menguji akurasi sistem yang dibuat. Hasil akurasi terbaik adalah 89,05% dengan menggunakan topologi randtop dengan fungsi manhattan.
Kata Kunci : Plat Kendaraan, cropping, ekstraksi ciri, Jaringan Syaraf Tiruan SOM,ABSTRACT: Every vehicle has license plate as identity that is given by country. This difference make license plate usually used as identity for several system such as parking system, security system in building and toll system. License plate recognition is one of important sub system from those systems which makes this topic is interested to research.
This final assessment is designed vehicle plate recognition system which is used to recognize character of plate from video that is saved before.
Its process is done in 6 steps. In preprocessing, the system will enhance frame by using top hat and bottom hat transformation, detection step will detect and crop plate by using integral protection, segmentation step will separate every character, and normalization process will modify character dimension. Then, feature extraction will remove certain features of each character. And the last step is character recognizing use Self Organizing Map (SOM) artificial neural network. This step will determine vector character line by connecting the dots of neuron in a character region.
The testing process is done by taking video samples to recognize every character at plate. The best accuracy result is 89.05% by using random topology and manhattan distance function.
Keyword: License plate, cropping, feature extraction, SOM artificial neural network,