Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Muhammad Arief Pramana
Universitas Nusantara PGRI Kediri
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Transportation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
DETEKSI DAN PENGENALAN PLAT NOMOR KENDARAAN INDONESIA MENGGUNAKAN METODE DEEP LEARNING BERBASIS YOLOv8 DAN CONVOLUTIONAL NEURAL NETWORK Muhammad Arief Pramana; Made Ayu Dusea Widyadara; Daniel Swanjaya
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 10 No. 3 (2026): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2026
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/h0dzra45

Abstract

Perkembangan teknologi kecerdasan buatan telah mendorong munculnya berbagai sistem otomatis dalam bidang transportasi dan keamanan, salah satunya adalah Automatic Number Plate Recognition (ANPR). Sistem ini berfungsi untuk mendeteksi dan mengenali plat nomor kendaraan secara otomatis melalui pemrosesan citra digital. Penelitian ini bertujuan mengembangkan sistem deteksi dan pengenalan plat nomor kendaraan Indonesia menggunakan metode You Only Look Once versi 8 (YOLOv8) dan Convolutional Neural Network (CNN). YOLOv8 digunakan untuk mendeteksi lokasi plat nomor pada citra kendaraan, sedangkan CNN digunakan untuk mengenali karakter huruf dan angka yang terdapat pada plat nomor. Dataset yang digunakan terdiri atas citra kendaraan roda dua dan roda empat dengan berbagai kondisi pencahayaan, sudut pengambilan gambar, dan jarak kamera. Tahapan penelitian meliputi pengumpulan dataset, preprocessing data, pelatihan model YOLOv8, segmentasi karakter, pelatihan model CNN, serta evaluasi sistem menggunakan parameter akurasi, precision, recall, F1-score, dan waktu pemrosesan. Hasil penelitian menunjukkan bahwa kombinasi YOLOv8 dan CNN mampu memberikan performa yang baik dalam mendeteksi dan mengenali plat nomor kendaraan secara otomatis. Sistem yang dikembangkan berpotensi diterapkan pada sistem parkir otomatis, pengawasan lalu lintas, dan sistem keamanan berbasis computer vision.
Co-Authors Daniel Swanjaya Made Ayu Dusea Widyadara - Universitas Nusantara Kediri, Made Ayu Dusea Widyadara