Skripsi/Tugas Akhir

Komparasi Arsitektur Mobilenet dan Algoritma Canny untuk Segmentasi Pengenalan Plat Kendaraan

---

Rating Anda tentang Buku ini!

---

ABSTRAK
Pengenalan plat sebagai salah satu bentuk penerapan deteksi objek, dapat dimanfaatkan sebagai alternatif dalam sistem perparkiran kendaraan saat ini. Namun dalam pengembangannya yang dapat meminimalisir kebutuhan sumber daya manusia masih memiliki beberapa kekurangan, salah satunya pada proses segmentasi citra plat kendaraan. Oleh sebab itu, pada penelitian ini dilakukan uji komparasi dua algoritma, yakni Canny dan Arsitektur MobileNet. Keduanya berguna dalam proses segmentasi plat yang dimana hasilnya sangat berpengaruh terhadap proses OCR (Optical Character Recognition) yang merupakan proses inti dalam pengenalan plat kendaraan. Setelah dilakukan proses segmentasi dari kedua algoritma tersebut terhadap 13 sampel plat kendaraan dan kemudian dilakukan proses OCR, didapatkan tingkat validasi error CER (Character Error Rate) untuk Algoritma MobileNet sebesar 18.8% dan untuk Algoritma Canny sebesar 50.96%. Pada akhirnya dapat disimpulkan bahwa Algoritma MobileNet dapat mensegmentasi plat kendaraan jauh lebih baik ketimbang Algoritma Canny, hal ini didasarkan dari tingkat validasi error MobileNet yang jauh lebih rendah.
Kata Kunci: Plat Kendaraan, Segmentasi, Canny, MobileNet, Optical Character Recognition

ABSTRACT
License plate recognition as an object detection application can be used as an alternative to the current vehicle parking system. However, in its development which can minimize the need for human resources, it still has some drawbacks, one of which is in the process of segmenting vehicle plate images. Therefore, this study conducted a comparative test of two algorithms, namely Canny and MobileNet Architecture. Both are useful in the plate segmentation process where the results are very influential on the OCR (Optical Character Recognition) process which is the core process in vehicle plate recognition. After the segmentation process of the two algorithms was carried out on 13 samples of vehicle plates and then the OCR process was carried out, the CER (Character Error Rate) validation rate for the MobileNet Algorithm was 18.8% and for the Canny Algorithm was 50.96%. In the end, it can be concluded that the MobileNet Algorithm can segment vehicle plates much better than the Canny Algorithm, based on the MobileNet error validation rate which is much lower.
Keywords: Vehicle Plate, Segmentation, Canny, MobileNet, Optical Character Recognition

---

Ketersediaan

Tidak ada salinan data

Informasi Detail

Judul Seri

--

No. Panggil

SKR 23-48 SIN k - 0556TI

Penerbit

Makassar : Universitas DIPA., 2023

Deskripsi Fisik

xii + 68 hlm.; 20,5 x 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

--

Klasifikasi

SKR 23-48

Tipe Isi

Text dan Gambar

Edisi/Cetakan

Edisi/Cetakan 02 September 2023

Subjek

Skripsi/Tugas Akhir
Algoritma Canny
MobileNet

Lampiran File