PENERAPAN LICENSE PLATE RECOGNITION PADA SISTEM PARKIR DENGAN CONVOLUTIONAL NEURAL NETWORK DAN PENCARIAN KONTUR

Rizkika, Syafaldi (2025) PENERAPAN LICENSE PLATE RECOGNITION PADA SISTEM PARKIR DENGAN CONVOLUTIONAL NEURAL NETWORK DAN PENCARIAN KONTUR. Skripsi thesis, UPN "Veteran"Yogyakarta.

[thumbnail of Cover.pdf] Text
Cover.pdf

Download (306kB)
[thumbnail of Abstrak.pdf] Text
Abstrak.pdf

Download (76kB)
[thumbnail of Pengesahan_Pembimbing.pdf] Text
Pengesahan_Pembimbing.pdf

Download (83kB)
[thumbnail of Pengesahan_Penguji.pdf] Text
Pengesahan_Penguji.pdf

Download (79kB)
[thumbnail of Daftar Isi.pdf] Text
Daftar Isi.pdf

Download (117kB)
[thumbnail of Daftar Pustaka.pdf] Text
Daftar Pustaka.pdf

Download (105kB)
[thumbnail of Skripsi_ttd.pdf] Text
Skripsi_ttd.pdf
Restricted to Repository staff only

Download (64MB)
Official URL: http://upnyk

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem pengenalan plat nomor
kendaraan (License Plate Recognition/LPR) yang efisien dan akurat untuk kendaraan di
Indonesia, dengan menggabungkan teknik pengolahan citra digital tradisional dan
pembelajaran mendalam (deep learning), khususnya Convolutional Neural Network (CNN),
dalam rangka mendukung otomatisasi sistem parkir. Sistem yang diusulkan menggunakan
metode deteksi kontur untuk menemukan area plat nomor dan melakukan segmentasi
karakter. Setiap karakter hasil segmentasi diubah ukurannya menjadi 40×40 piksel dan
diklasifikasikan menggunakan model CNN yang dilatih khusus pada dataset karakter.
Tahapan proses meliputi pra-pemrosesan, deteksi plat, segmentasi karakter,
klasifikasi berbasis CNN, dan evaluasi model. Sistem berhasil melakukan segmentasi dan
klasifikasi karakter pada plat nomor Indonesia dalam berbagai kondisi pencahayaan dan latar
belakang. Model CNN mencapai akurasi lebih dari 90% pada data pengujian, dengan
performa yang cukup cepat sehingga cocok untuk diterapkan dalam sistem parkir otomatis
secara real-time. Berbeda dari banyak sistem LPR end-to-end yang memerlukan dataset
besar, pendekatan ini mengurangi kebutuhan pelatihan dengan fokus pada pembelajaran
karakter secara individu. Integrasi antara deteksi berbasis kontur dan model CNN yang
ringan menawarkan keseimbangan antara kecepatan dan akurasi, serta disesuaikan untuk
format dan kondisi plat lokal di Indonesia.
Kata kunci : Pengenalan plat nomor kendaraan, Convolutional Neural Network
(CNN), Overftting, Sistem parkir.

Item Type: Tugas Akhir (Skripsi)
Additional Information: Syafaldi Rizkika (Penulis - 123180127); Dessyanto Budi P (Pembimbing 1); Awang Hendrianto P (Pembimbing 2)
Uncontrolled Keywords: Pengenalan plat nomor kendaraan, Convolutional Neural Network (CNN), Overftting, Sistem parkir.
Subjek: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Q Science > QA Mathematics > QA76 Computer software
Divisions: Fakultas Teknik Industri > (S1) Informatika
Depositing User: UPA Perpustakaan
Date Deposited: 24 Nov 2025 02:03
Last Modified: 24 Nov 2025 02:03
URI: http://eprints.upnyk.ac.id/id/eprint/45713

Actions (login required)

View Item View Item