ANALISIS SISTEM PENGENALAN KARAKTER PLAT KENDARAAN DARI CITRA KENDARAAN

Autor: Widyadi Setiawan, I Dewa Gede Angga Prastika, Pande Ketut Sudiarta
Rok vydání: 2016
Předmět:
Zdroj: Majalah Ilmiah Teknologi Elektro, Vol 15, Iss 2, Pp 27-32 (2016)
ISSN: 2503-2372
1693-2951
Popis: Aplikasi-aplikasi baru berbasis teknologi canggih diciptakan guna mempercepat dan mempermudah kinerja manusia dalam melakukan sesuatu dalam berbagai bidang. Salah satunya dalam bidang pengolahan citra digital (image processing) yang umumnya digunakan dalam proses pengenalan pola. Berbagai aplikasi dapat dibangun menggunakan teknik pengenalan pola dalam pengolahan citra digital salah satunya dalam sistem parkir. Dalam proses pencatatan, petugas loket parkir menginput identitas kendaraan secara manual ke dalam sistem, sehingga kecepatan pelayanan loket tergantung pada kecepatan petugas dalam membaca dan menginputkan data identitas kendaraaan ke sistem. Oleh karena itu, beberapa metode telah muncul yang diteliti oleh para ahli salah satunya berbasis pengolahan citra digital (digital image processing). Tugas akhir ini membahas tentang Analisis Sistem Pengenalan karakter Plat Kendaraan dari Citra Kendaraan Tujuan dan manfaat dalam tugas akhir ini adalah untuk mengetahui pembangunan sistem pengenalan karakter plat kendaraan dari suatu citra kendaraan dengan memanfaatkan, metode principal component analisys sebagai ektrasi ciri dan metode Histogram sebagai sistem segmentasi karakter dari sistem pengenalan karakter plat kendaraan dari suatu citra kendaraan metode euclidean distance untuk klasifikasi karakter. Penelitian ini diharapkan dapat memperkaya pengetahuan di bidang pengolahan citra digital serta dapat menjadi acuan untuk penelitian selanjutnya dalam pemilihan metode yang tepat dalam proses pengenalan karakter plat kendaraan pada citra kendaraan. Hasil unjuk kerja pada simulasi pengenalan karakter plat nomor kendaraan dari citra kendaraan berdasarkan hasil simulasi pengenalan karakter plat nomor kendaraan adalah sebesar 77.90% untuk presentase dikenali benar dari ke-27 karakter dan sebesar 22.10% untuk presentase dikenali salah dari ke-27 karakter.
Databáze: OpenAIRE
Externí odkaz: