REKOGNISI PELAT KENDARAAN BERMOTOR DALAM KEADAAN BERGERAK


RAHMIYANTI, RUSLI (2019) REKOGNISI PELAT KENDARAAN BERMOTOR DALAM KEADAAN BERGERAK. Skripsi thesis, Universitas Hasanuddin.

[thumbnail of sampul]
Preview
Image (sampul)
19_D42114315_Cover1.jpg

Download (5kB) | Preview
[thumbnail of bab 1-2] Text (bab 1-2)
19_D42114315(FILEminimizer)..ok 1-2.pdf

Download (677kB)
[thumbnail of dapus] Text (dapus)
19_D42114315(FILEminimizer)..ok dapus.pdf

Download (66kB)
[thumbnail of Full Text] Text (Full Text)
19_D42114315(FILEminimizer)..ok.pdf
Restricted to Repository staff only

Download (2MB)

Abstract (Abstrak)

ABSTRAK
Pengendara bermotor yang melewati batas kecepatan kendaraan di atas 40km/jam dapat menggangu pengguna jalan lain bahkan dapat mengakibatkan kecelakaan lalu lintas. Nomor pelat kendaraan dapat menjadi salah satu bukti dari pelanggaran lalu lintas, dikarenakan dari pelat kendaraan dapat diperoleh informasi dari kepemilikan kendaraan tersebut.Dari kasus ini, maka dikembangkan sistem yang mampu merekognisi pelat nomor kendaraan pada jalan jendral sudirman dengan menggunakan data video lalu lintas dengan resolusi 1920 x 1080 pixel yang diambil dari arah depan kendaraan dan menggunakan perangkat kamera statis yang dipasang pada jembatan penyeberangan dengan sudut kamera 60°. Dalam penelitian ini, metode yang digunakan yaitu algoritma Kalman Filter untuk tracking kendaraan, Cascade Classifier dengan deskripsi LBP untuk mendeteksi lokasi pelat dan metode OCR untuk merekognisi karakter pelat dengan membandingkan 2 metode pre processing yaitu Top Hat Transform dan Bottom Hat Transform dengan menggunakan matlab 2016a. Dengan metode yang digunakan dapat merekognisi pelat selain pelat modifikasi dan pelat yang tidak simetris. Hasil dari penelitian menunjukkan bahwa tingkat akurasi pendeteksian dan rekognisi karakter pelat kendaraan bermotor dengan menggunakan metode Top Hat Transform yaitu sebesar 83%, menggunakan metode Bottom Hat Transform sebesar 50%, dan menggunakan metode Top Bottom Hat Transform sebesar 70%.

Item Type: Thesis (Skripsi)
Uncontrolled Keywords: Nomor Pelat Kendaraan, Rekognisi Pelat, Kalman Filter, Cascade Classifier, LBP, Top Hat Transform, Bottom Hat Transform, OCR.
Subjects: T Technology > TA Engineering (General). Civil engineering (General)
Depositing User: - Nurhasnah
Date Deposited: 16 Sep 2021 05:16
Last Modified: 16 Sep 2021 05:16
URI: http://repository.unhas.ac.id:443/id/eprint/6504

Actions (login required)

View Item
View Item