DETEKSI PLAT NOMOR MENGGUNAKAN MACHINE LEARNING GOOGLE VISION UNTUK MENGUKUR JARAK DAN POSISI YANG TEPAT

Hayati, Nur (2019) DETEKSI PLAT NOMOR MENGGUNAKAN MACHINE LEARNING GOOGLE VISION UNTUK MENGUKUR JARAK DAN POSISI YANG TEPAT. Other thesis, UNIVERSITAS NURUL JADID.

Text Skripsi_15014063_Nur Hayati_IF.pdf Restricted to Registered users only Download (6MB)

Abstract

Tanda Nomor Kendaraan Bermotor (TNKB) atau pelat nomor merupakan identitas unik kendaraan bermotor yang berfungsi sebagai instrumen vital dalam pengawasan akses parkir, administrasi perpajakan, dan pelacakan pelanggaran lalu lintas. Secara struktural, TNKB memuat informasi multi-baris berupa kode wilayah, nomor polisi, kode sub-wilayah domisili, serta masa berlaku dokumen. Kompleksitas visual dan variasi kondisi lingkungan di area parkir sering kali menyulitkan petugas dalam melakukan pencatatan data registrasi kendaraan secara manual. Penelitian ini bertujuan untuk memecahkan permasalahan tersebut dengan merancang sistem pengenalan karakter pelat nomor otomatis (License Plate Recognition) berbasis cloud dengan memanfaatkan teknologi Machine Learning Google Vision API. Melalui fitur Optical Character Recognition (OCR) yang terintegrasi, sistem mampu mengekstraksi informasi tekstual dari citra pelat nomor secara dinamis. Metodologi pengembangan perangkat lunak dalam penelitian ini menerapkan model Waterfall. Pengujian sistem difokuskan pada analisis keandalan jarak dan akurasi sudut posisi kamera saat proses pemindaian objek. Berdasarkan hasil uji coba, sistem deteksi pelat nomor ini berhasil memperoleh tingkat akurasi keberhasilan sebesar 87%. Adapun kegagalan deteksi sebesar 13% diakibatkan oleh dua faktor utama, yaitu intensitas pencahayaan objek yang terlalu cerah (overexposure) sehingga mengaburkan tepian karakter, serta kemunculan derau visual (noise) di mana teks non-objek di sekitar kendaraan ikut terdeteksi oleh sistem. Implementasi sistem ini sukses mempermudah digitalisasi data registrasi kendaraan secara praktis, cepat, tepat, dan akurat.

Kata Kunci: Tanda Nomor Kendaraan Bermotor, License Plate Recognition, Google Vision API, Optical Character Recognition, Machine Learning, Metode Waterfall.

Item Type:	Thesis (Other)
Subjects:	Q Science > QA Mathematics > QA76 Computer software T Technology > TA Engineering (General). Civil engineering (General) T Technology > TE Highway engineering. Roads and pavements Z Bibliography. Library Science. Information Resources > ZA Information resources
Divisions:	Fakultas Teknik > S1 Teknik Informatika
Depositing User:	Saiful Ghazi
Date Deposited:	05 Jul 2026 07:03
Last Modified:	05 Jul 2026 07:03
URI:	https://repository.unuja.ac.id/id/eprint/4000

Actions (login required)

View Item