Sistem Deteksi Pelat Nomor Kendaraan Roda Dua Berdasarkan Variabel Kecepatan


Muchtamar, Andi Marimar (2021) Sistem Deteksi Pelat Nomor Kendaraan Roda Dua Berdasarkan Variabel Kecepatan. Skripsi thesis, Universitas Hasanuddin.

[thumbnail of Full text] Text (Full text)
D42116303_skripsi.pdf
Restricted to Repository staff only

Download (5MB)
[thumbnail of Bab I & II] Text (Bab I & II)
D42116303_skripsi_bab 1-2.pdf

Download (1MB)
[thumbnail of Cover]
Preview
Image (Cover)
D42116303_skripsi_cover1.jpg

Download (271kB) | Preview
[thumbnail of Daftar Pustaka] Text (Daftar Pustaka)
D42116303_skripsi_dp.pdf

Download (384kB)

Abstract (Abstrak)

Kepadatan kendaraan di dominasi oleh kendaraan roda dua. Dari data Badan Pusat Statistik tahun 2018 yang bersumber dari Kantor Kepolisian Republik Indonesai menuliskan bahwa jumlah sepeda motor untuk wilayah Indonesia sebanyak 120.101 Juta dari jumlah kendaraan sebanyak 146.858 Juta. Jumlah kendaraan yang banyak mengakibatkan aparat kepolisian sulit untuk menindak lanjuti pengendara jika terjadi pelanggaran. Peristiwa ini menjadi masalah karena kurangnya bukti dalam pelanggaran sehingga jika terjadi pelanggaran tidak dapat ditindak lanjuti. Nomor polisi yang tercantum pada pelat kendaraan bisa digunakan oleh pihak berwajib sebagai barang bukti pengendara yang melakukan pelanggaran lalu lintas. Penelitian-penelitian sebelumnya yang telah dilakukan membuat sistem deteksi pelat dengan satu kendaraan saja. Maka pada penelitian ini mengembangkan sistem yang dapat mendeteksi dan mengenali teks pelat lebih dari satu kendaraan atau multi detection. Metode yang digunakan adalah Local Binary Pattern (LBP) untuk mendeteksi pelat dan Optical Character Recognition (OCR) untuk mengenali teks pada pelat kendaraan roda dua. Penelitian ini menggunakan tiga skenario yang berbeda-beda. Pada skenario pertama dengan 1 kendaraan, skenario kedua dengan 2 kendaraan dan skenario ketiga dengan 3 kendaraan dengan masing-masing kecepatan 40 km/jam, 50 km/jam dan 60 km/jam, diambil menggunakan kamera static Vivotek ip 9165-hp. Hasil penelitian menunjukkan akurasi untuk deteksi pelat menghasilkan akurasi 100%. Tetapi untuk mengenali teks karakter mendapatkan akurasi tertinggi 80% pada single detection dan untuk multi detection mengasilkan akurasi tertinggi 90%. Data uji digunakan sebanyak 16 file data dengan berdurasi 30 detik dengan masing-masing video terdapat 9 sampai 10 kendaraan roda dua.

Item Type: Thesis (Skripsi)
Uncontrolled Keywords: Pelat Nomor Kendaraan, Local Binary Pattern (LBP), Optical Character Recognition (OCR).
Subjects: T Technology > T Technology (General)
Depositing User: Andi Milu
Date Deposited: 23 Aug 2022 01:25
Last Modified: 23 Aug 2022 01:25
URI: http://repository.unhas.ac.id:443/id/eprint/18212

Actions (login required)

View Item
View Item