Claim Missing Document
Check
Articles

Found 1 Documents
Search

Implementasi Model YOLOv8 dan OCR pada Sistem ANPR untuk Monitoring Smart Drop-off Zone Zafira A’idah Gunawan; Mauladi Fadhillah; Anargya Rabbani Aslam; Mayanda Mega Santoni; Dodik Ariyanto; Faldiena Marcelita
Jurnal Ilmu Komputer dan Multimedia Vol. 3 No. 1 (2026): ILKOMEDIA Edisi Juni 2026
Publisher : Akademi Komunitas Negeri Putra Sang Fajar Blitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46510/ilkomedia.v3i1.97

Abstract

Area drop-off pada lingkungan publik sering mengalami kemacetan akibat kendaraan berhenti melebihi batas waktu yang ditentukan. Proses pengawasan yang masih dilakukan secara manual dinilai kurang efisien karena membutuhkan tenaga tambahan dan memperlambat penindakan pelanggaran. Penelitian ini bertujuan mengimplementasikan sistem Automatic Number Plate Recognition (ANPR) berbasis YOLOv8 dan Optical Character Recognition (OCR) untuk monitoring Smart Drop-off Zone secara otomatis. Dataset penelitian diperoleh dari Roboflow Universe sebanyak 1.870 gambar kendaraan dan ditingkatkan menjadi 3.275 gambar melalui proses augmentasi seperti perubahan pencahayaan, rotasi, blur, dan penambahan noise. Proses augmentasi hanya diterapkan pada data training, sedangkan data validation dan testing tetap menggunakan data asli untuk menjaga objektivitas evaluasi. Model YOLOv8 Nano dilatih menggunakan 100 epoch dengan dua konfigurasi ukuran input, yaitu 640×640 piksel dan 416×416 piksel, untuk membandingkan performa model pada kondisi implementasi nyata. Hasil pengujian menunjukkan bahwa Eksperimen 1 dengan input 640×640 piksel memperoleh nilai mAP50 sebesar 0.9214, precision sebesar 0.9347, dan recall sebesar 0.8795, sedangkan Eksperimen 2 dengan input 416×416 piksel memperoleh mAP50 sebesar 0.8084. Meskipun Eksperimen 1 menghasilkan nilai evaluasi yang lebih tinggi, model Eksperimen 2 dipilih untuk implementasi karena menunjukkan stabilitas deteksi yang lebih baik pada berbagai kondisi lingkungan seperti pencahayaan rendah dan sudut kamera dari atas. Setelah proses deteksi plat nomor dilakukan, sistem OCR menggunakan PaddleOCR berhasil membaca karakter pada plat kendaraan secara otomatis. Sistem kemudian diintegrasikan ke dalam aplikasi berbasis web yang mampu melakukan pencatatan durasi kendaraan, deteksi pelanggaran, dan pengiriman notifikasi otomatis kepada pengguna. Hasil implementasi menunjukkan bahwa sistem ANPR yang dikembangkan mampu mendukung monitoring kendaraan pada area Smart Drop-off Zone secara lebih efektif dan efisien pada berbagai kondisi lingkungan.