PENGENALAN KARAKTER PLAT KENDARAAN BERMOTOR BERBASIS CITRA DENGAN MENGGUNAKAN METODE CANNY DAN ALGORITMA BACKPROPAGATION
| Main Authors: | Haryoko, Andy; Program Studi Teknik Informatika, Fakultas Teknik, Universitas PGRI Ronggolawe Tuban Jl Manunggal 61 Tuban Jawa Timur 62381, Hadi Pramono, Sholeh; Program Studi Teknik Elektro, Fakultas Teknik, Universitas Brawijaya Jl Veteran Malang, Jawa Timur Indonesia 65145, Aziz Muslim, M.; Program Studi Teknik Elektro, Fakultas Teknik, Universitas Brawijaya Jl Veteran Malang, Jawa Timur Indonesia 65145 |
|---|---|
| Format: | Article info application/pdf eJournal |
| Bahasa: | eng |
| Terbitan: |
Universitas Trunojoyo Madura
, 2016
|
| Online Access: |
https://nero.trunojoyo.ac.id/index.php/nero/article/view/57 https://nero.trunojoyo.ac.id/index.php/nero/article/view/57/56 |
Daftar Isi:
- Transportasi merupakan kebutuhan yang sangat penting dalam kehidupan sehari-hari. Namun, Kenyataannya banyak permasalahan yang ditimbulkan dari transportasi itu sendiri. Salah satu permasalahan yang timbul adalah pada angkutan umum. Salah satu upaya yang dilakukan pemerintah untuk mengatasi permasalahan tersebut adalah dengan pengadaan Uji Kir. Hanya saja Uji Kir itu sendiri memiliki beberapa kelemahan. Salah satu kelemahannya adalah sistem pendataan yang masih manual. Sehingga, Kesalahan manusia dalam pencatatan kendaraan dan waktu yang dibutuhkan dalam proses tersebut merupakan kendala yang bisa saja terjadi selama proses tersebut. Salah satu metode yang dapat diterapkan untuk mengatasi masalah di atas adalah metode pengenalan Tanda Nomor Kendaraan Bermotor (TNKB) yang melekat pada kendaraan bermotor tersebut Pengenalan pola dapat digunakan sebagai identifikasi pengenalan plat nomor kendaraan pada sistem yang diajukan pada penelitian ini. Filter canny digunakan untuk mendapatkan citra yang baik dalam pengambilan citra karakter. Karakter disampling dengan ukuran 12X7 untuk dikonversi kedalam bentuk biner sebagai input neuron dalam jaringan syaraf tiruan arsitektur Multi Layer Perceptron yang digunakan menggunakan 3 Layer dengan jumlah masing masing node 84, 50, 36. Jaringan syaraf tiruan dilatih dengan algoritma Backpropagation dengan parameter learning rate 0.3 dan momentum 0.9. Proses training akan dihentikan apabila iterasi mencapai nilai maksimal 10.000 atau MSE (Mean Square Error) 0.0001. Dari hasil pengujian yan dilakukan sistem mampu mengenali karakter angka 100% sedangkan huruf 86,87% jadi kehandalan sistem mengenali karakter secara keseluruhan adalah 94,29%.Kata kunci: Fiter Canny, Jaringan Syaraf Tiruan, Multi layer perceptron (MLP), Pengenalankarakter Tanda Nomor Kendaraan Bermotor (TNKB), Pengolahan Citra Digital.