IMPLEMENTASI ALGORITMA YOLOV8N DAN EASYOCR UNTUK DETEKSI DAN PENGENALAN PLAT KENDARAAN RODA EMPAT SECARA REAL-TIME

Hutapea, Juan Bontor (2024) IMPLEMENTASI ALGORITMA YOLOV8N DAN EASYOCR UNTUK DETEKSI DAN PENGENALAN PLAT KENDARAAN RODA EMPAT SECARA REAL-TIME. Other thesis, UPN Veteran Yogyakarta.

	Text Cover-123200117-Juan Bontor Hutapea.pdf Download (165kB)
	Text Abstrak-123200117-Juan Bontor Hutapea.pdf Download (153kB)
	Text Lembar Pengesahan-123200117-Juan Bontor Hutapea.pdf Download (156kB)
	Text Daftar Isi-123200117-Juan Bontor Hutapea.pdf Download (242kB)
	Text Daftar Pustaka-123200117-Juan Bontor Hutapea.pdf Download (165kB)
	Text Skripsi Fulltext-123200117-Juan Bontor Hutapea .pdf Restricted to Repository staff only Download (2MB)

Abstract

Peningkatan kebutuhan sistem otomatis dalam pengawasan lalu lintas dan penegakan hukum telah mendorong pengembangan teknologi berbasis kecerdasan buatan. Salah satu teknologi tersebut adalah License Plate Recognition (LPR), yang dirancang untuk mendeteksi dan mengenali plat nomor kendaraan. Tantangan seperti jumlah dataset yang terbatas, pengaruh noise pada citra, serta kurang optimalnya performa sistem dalam implementasi real-time masih menjadi kendala utama. Penelitian ini bertujuan untuk mengembangkan sistem deteksi dan pengenalan plat nomor kendaraan roda empat secara real-time menggunakan kombinasi algoritma YOLOv8 dan EasyOCR, dengan fokus pada plat kendaraan Indonesia yang sesuai Standar Nasional Indonesia (SNI).

Metode yang digunakan melibatkan pengumpulan data primer dan sekunder, preprocessing citra seperti augmentasi dan grayscaling, pelatihan model YOLOv8, dan pengujian performa menggunakan metrik evaluasi seperti Recall, Precision, dan F1 Score. Data primer diambil dalam empat kondisi pengujian, yaitu jarak 2 meter dan 5 meter dengan pencahayaan cerah dan mendung, menggunakan kamera bergerak menuju kendaraan yang diam. Data sekunder diperoleh dari dataset beranotasi Roboflow yang terdiri dari 9811 citra. Proses integrasi EasyOCR digunakan untuk mengenali karakter dari hasil deteksi model YOLOv8.

Hasil pengujian menunjukkan bahwa metode kombinasi YOLOv8 dan EasyOCR mampu mendeteksi dan mengenali karakter pada plat kendaraan Indonesia dengan tingkat keberhasilan yang bervariasi tergantung kondisi. Pada kondisi ideal, seperti jarak 2 meter dan pencahayaan cerah, sistem mencapai nilai rata-rata Recall sebesar 0.975, Precision 0.986, dan F1 Score 0.980. Sebaliknya, pada kondisi mendung dengan jarak 5 meter, performa menurun dengan Recall sebesar 0.85, Precision 0.944, dan F1 Score 0,896. Untuk jarak 7 meter dan kondisi cerah ataupun mendung mengalami kegagalan total dalam mendeteksi karakter plat. Secara keseluruhan, nilai rata-rata Recall, Precision, dan F1 Score dari semua kondisi adalah 0.608, 0.648, dan 0.627, menunjukkan bahwa kombinasi metode ini cukup efektif. Tantangan berupa salah deteksi dan karakter yang tidak terdeteksi menjadi fokus pengembangan lebih lanjut untuk meningkatkan akurasi, terutama dalam kondisi pencahayaan rendah dan jarak antara kamera dan objek yang jauh.

Kata Kunci: License Plate Recognition, YOLOv8, EasyOCR, plat kendaraan, pengenalan karakter.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	License Plate Recognition, YOLOv8, EasyOCR, plat kendaraan, pengenalan karakter.
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	Bayu Setya Pambudi
Date Deposited:	16 Dec 2024 03:28
Last Modified:	16 Dec 2024 03:28
URI:	http://eprints.upnyk.ac.id/id/eprint/41869

Actions (login required)

View Item