PENGENALAN PLAT KENDARAAN BERMOTOR MENGGUNAKAN METODE GRADIEN KARAKTER DAN BPNN (BACKPROPAGATION NEURAL NETWORK)

Abstract

Plat kendaraan adalah ciri yang unik yang digunakan untuk mengidentifikasi
sebuah kendaraan dalam bentuk kombinasi huruf dan angka. Ekstraksi fitur
diperlukan untuk mengidentifikasi huruf dan angka pada citra digital. Terdapat
beberapa metode pada ekstraksi fitur salah satunya yaitu metode gradien karakter.
Pada penelitian ini, program aplikasi yang digunakan untuk mengidentifikasi plat
kendaraan adalah metode gradien karakter dan BPNN (backpropagation neural
network). Langkah pertama, pada citra digital dilakukan pemotongan untuk
mendapatkan plat kendaraan, kemudian dilakukan segmentasi untuk mendapatkan
masing-masing karakter. Langkah selanjutnya yaitu ekstraksi fitur menggunakan
metode gradien karakter untuk mendapatkan ciri dari masing-masing karakter.
BPNN digunakan untuk klasifikasi. Pada penelitian ini dilakukan dua jenis
pengujian yaitu analisis performa berdasarkan jumlah hidden layer dan jumlah fitur
pada data uji latih dan data uji. Berdasarkan hasil pengujian, dapat disimpulkan
bahwa jumlah fitur mempengaruhi performa sistem. Performa tertinggi pada
skenario pertama yaitu pada fitur 48 dengan jumlah hidden layer 60, dan pada
skenario kedua nilai tertinggi terdapat pada fitur 108 dengan jumlah hidden layer
60. Nilai performa terendah terdapat pada fitur 12 dengan jumlah hidden layer 20.