PENINGKATAN AKURASI PADA PENGENALAN PLAT NOMOR KENDARAAN RODA EMPAT DENGAN MENGGUNAKAN SUPER RESOLUTION GENERATIVE ADVERSARIAL NETWORK

Sulaksana, Nicholas Nanda (2022) PENINGKATAN AKURASI PADA PENGENALAN PLAT NOMOR KENDARAAN RODA EMPAT DENGAN MENGGUNAKAN SUPER RESOLUTION GENERATIVE ADVERSARIAL NETWORK. Diploma thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.

	Text COVER_123180049_NICHOLAS NANDA SULAKSANA.pdf Download (99kB)
	Text ABSTRAK_123180049_NICHOLAS NANDA SULAKSANA.pdf Download (11kB)
	Text DAFTAR ISI_123180049_NICHOLAS NANDA SULAKSANA.pdf Download (319kB)
	Text PENGESAHAN PEMBIMBING_123180049.pdf Download (137kB)
	Text SKRIPSI FULL_123180049_NICHOLAS NANDA SULAKSANA.pdf Download (7MB)
	Text DAFTAR PUSTAKA_123180049_NICHOLAS NANDA SULAKSANA.pdf Download (155kB)
	Text SKRIPSI FULL_123180049_NICHOLAS NANDA SULAKSANA.pdf Restricted to Repository staff only Download (7MB)

Abstract

Pertumbuhan kendaraan yang terus meningkat berdampak terhadap padanya
kendaraan di jalanan, yang juga mengakibatkan bertambahnya kasus pelanggaran peraturan
lalulintas. Sampai saat ini pendeteksian dan penindakan kasus pelanggaran secara
konvensional dirasa masih kurang optimal. Oleh karena itu deteksi dan penindakan
pelanggaran secara otomatis dirasa penting, dengan adanya proses automatic license plate
recognition (ALPR) atau pengenalan plat nomor kendaraan otomatis dapat membantu dalam
proses penindakan pelanggaran. Pada sisi lain proses ALPR memiliki kekurangan, yaitu
kemampuan CCTV Analog dalam menangkap citra masih memiliki kualitas yang rendah
dikarenakan banyaknya noise. Dengan begitu peningkatan kualitas citra untuk meningkatkan
akurasi proses pengenalan karakter dirasa penting.
Pada penelitian ini dilakukan peningkatan kualitas citra pada proses license plate
recognition untuk pengenalan plat nomor kendaraan roda empat dengan menggunakan
super-resolution generative adversarial network (SRGAN). SRGAN di implementasikan
setelah proses lokalisasi plat nomor, dengan menghasilkan citra super-resolution memiliki
4x lebih banyak jumlah pixel daripada citra input, yang kemudian citra super-resolution
dilakukan proses pengenalan karakter.
Pengujian dilakukan dengan melakukan pengukuran pada hasil akurasi, recall dan
F1 score maupun nilai PSNR dan SSIM pada hasil pengenalan karakter pada plat nomor
kendaraan roda empat. Perhitungan dilakukan pada citra hasil lokalisasi YOLOv4 sebelum
dan setelah dikenai SRGAN, dengan menghasilkan peningkatan akurasi pada proses license
plate recognition rata-rata sebesar 12%, 10%, dan 8% untuk nilai recall, akurasi, dan F1
score pada citra hasil lokalisasi YOLOv4. Dengan citra uji sintetis menghasilkan rata-rata
peningkatan sebesar 98%, 94%, dan 0,63 untuk nilai recall, akurasi, dan F1 score, dengan
rata-rata nilai PSNR dan SSIM sebesar 18,58 dB dan 0,83.
Kata kunci: plat nomor, pengenalan karakter, super-resolution, generative adversarial
network

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	plat nomor, pengenalan karakter, super-resolution, generative adversarial network
Subjects:	Q Science > Q Science (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eny Suparny
Date Deposited:	04 Jan 2023 05:54
Last Modified:	04 Jan 2023 06:12
URI:	http://eprints.upnyk.ac.id/id/eprint/32187

Actions (login required)

View Item