Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal INTECOMS: Journal of Information Technology and Computer Science
Sri Hardianti
Universitas Nusa Mandiri
Computer Science & IT

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

Found 1 Documents
Search

 1 
Deteksi Dan Pengenalan Plat Karakter Nomor Kendaraan Menggunakan OpenCV Dan Deep Learning Berbasis Python Mochammad Zakiyamani; Trisiwi Indra Cahyani; Dwiza Riana; Sri Hardianti
INTECOMS: Journal of Information Technology and Computer Science Vol 5 No 1 (2022): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/intecoms.v5i1.3403

Abstract

Sistem pengenalan karakter pada plat nomor kendaraan Indonesia memberikan alternatif pengenalan karakter plat kendaraan menggunakan metode Convolutional Neural Network (CNN) untuk mengenali objek pada gambar selayaknya manusia dengan pembelajaran pada sebuah komputer dengan menggunakan jaringan saraf tiruan. Pengenalan karakter plat nomor kendaraan Indonesia merupakan salah satu jenis deep learning karena dapat mengenali berbagai karakter huruf dan angka. Tujuan dari penelitian dapat memberikan solusi agar memudahkan kepada petugas parkir yang khususnya masih dilakukan secara manual pencatatan nomornya, sehingga dapat dilakukan secara otomatis oleh sistem langsung di deteksi karakter nomor kendaraan tersebut dan juga mengurangi human error. Hasil dari penelitian ini adalah sistem yang sudah ada pada komputer dapat mengenali karakter pada plat nomor kendaraan Indonesia yang sudah kita masukkan. Data yang digunakan dalam penelitian ini sebanyak 40 citra mobil dan 36 kelas karakter yang terdiri dari huruf dan angka. Hasil akurasi pengujian plat kendaraan dengan metode CNN yaitu dengan tingkat akurasi mencapai 96 % dengan tingkat kesalahan 11,78%.
Co-Authors Dwiza Riana Mochammad Zakiyamani Trisiwi Indra Cahyani