PERBAIKAN DETEKSI DAN REKOGNISI PELAT NOMOR KENDARAAN MOBIL DENGAN PENAMBAHAN FILTER CLAHE

Latar Belakang. Pelat nomor kendaraan merupakan identitas penting dalam sistem pemantauan lalu lintas dan keamanan. Deteksi dan pengenalan pelat nomor pada citra CCTV masih memiliki tantangan, seperti kondisi pencahayaan yang tidak merata, citra buram, ukuran pelat yang kecil, serta adanya noise pada gambar. Kondisi tersebut dapat menurunkan kualitas citra dan memengaruhi akurasi sistem dalam mendeteksi maupun mengenali karakter pelat nomor. Tujuan. Penelitian ini bertujuan untuk mendeteksi dan mengenali karakter pelat nomor kendaraan menggunakan model YOLOv11 yang dikombinasikan dengan metode peningkatan citra. Metode. Metode yang diusulkan pada penelitian ini yaitu mengkombinasikan YOLOv11 dengan Contrast Limited Adaptive Histogram Equalization (CLAHE) dan Unsharp Masking. CLAHE digunakan untuk meningkatkan kontras citra, sedangkan Unsharp Masking digunakan untuk mempertajam tepi objek agar pelat nomor lebih mudah dideteksi. Hasil. Model dilatih selama 100 epoch dan diuji menggunakan 146 citra dengan total 930 instance pelat nomor. Hasil pengujian menunjukkan bahwa YOLOv11 tanpa preprocessing memperoleh precision sebesar 92,4%, recall sebesar 87,6%, mAP@50 sebesar 92,6%, dan mAP@50–95 sebesar 75,6%. Setelah diterapkan CLAHE dan Unsharp Masking, recall meningkat menjadi 89,4%, mAP@50 menjadi 93,6%, dan mAP@50–95 menjadi 76,2%. Namun, pada tahap pengenalan karakter, peningkatan masih terbatas dengan nilai rata-rata Character Error Rate menurun dari 0,73 menjadi 0,72. Kesimpulan. YOLOv11 yang dikombinasikan dengan CLAHE dan Unsharp Masking dapat meningkatkan performa deteksi pelat nomor kendaraan, terutama pada nilai recall dan mAP. Namun, metode tersebut belum memberikan peningkatan yang signifikan pada tahap pengenalan karakter, sehingga diperlukan pengembangan lebih lanjut pada proses OCR agar sistem rekognisi pelat nomor menjadi lebih akurat.