1 DETEKSI PLAT NOMOR MENGGUNAKAN MACHINE LEARNING GOOGLE VISION UNTUK MENGUKUR JARAK DAN POSISI YANG TEPAT | Perpustakaan Universitas Nurul Jadid Paiton-Probolinggo
No image available for this title

Electronic Resource

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. Skripsi, Prodi Informatika, Fakultas Teknik,
Universitas Nurul Jadid Paiton Probolinggo. Pembimbing: (I)
Fathorazi Nur Fajri, M.Kom, (II) Ratri Enggar P., M.Kom.
Kata Kunci: Plate, Machine Learning Google Vision.
Tanda Nomor Kendaraan Bermotor atau TNKB merupakan identitas atau
kode unik yang menjadi pengenal sebuah kendaraan bermotor. TNKB sebuah
kendaraan terdiri dari dua baris kode. Baris yang pertama terdiri dari huruf yang
menunjukkan kode wilayah, biasanya merupakan area Keresidenan sebuah
wilayah administratif yang terdiri dari beberapa kabupaten, kemudian diikuti
dengan nomor bagian kedua berupa angka yang menunjukkan nomor polisi
kendaraan dan bagian ketiga adalah huruf yang menunjukkan kabupaten domisili
pemilik kendaraan, contohnya adalah N 5625 QV. Baris kedua menunjukkan
bulan dan tahun masa berlaku TNKB, dimana TNKB harus diperbaharui dalam
masa 5 tahun sekali. TNKB atau lebih sederhana disebut dengan plat nomor
kendaraan menjadi identitas sebuah kendaraan dan pemiliknya. Plat nomor
kendaraan menjadi identitas ketika memasuki lokasi parkir, identitas untuk
pembayaran kewajiban pajak kendaraan, dan pelacakan pelanggaraan lalulintas(
Budianto, Adji, & Hartanto, 2015).
Penelitian ini dilakukan untuk mendeteksi plat nomor dengan jarak dan
posisi yang tepat menggunakan Machine Learning Google Vision. Metode ini
digunakan untuk mempermudah integrasi fitur deteksi penglihatan aplikasi,
termasuk pelabelan gambar, deteksi wajah dan pengenalan karakter optik (Optical
Character Recognition).
Dari hasil pengujian yang telah dilakukan dapat disimpulkan bahwa
deteksi plat memperoleh akurasi keberhasilan sebanyak 87%. Kegagalan di
akibatkan adanya 2 faktor, yaitu : objek terlalu cerah dan teks yang terdeteksi
bukan objek.

Ketersediaan
1501406315 NUR d 063Perpustakaan Universitas Nurul JadidTersedia namun tidak untuk dipinjamkan - Koleksi Digital
Informasi Detail
Judul Seri
-
No. Panggil
15 NUR d 063
Penerbit
PAITON PROBOLINGGO : UNUJA.,
Deskripsi Fisik
61 hal.
Bahasa
Indonesia
ISBN/ISSN
15014063
Klasifikasi
NONE
Tipe Isi
-
Tipe Media
-
Tipe Pembawa
-
Edisi
-
Subjek
-
Info Detail Spesifik
Plate, Machine Learning Google Vision
Pernyataan Tanggungjawab
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
Komentar
Anda harus masuk sebelum memberikan komentar