Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Ais Azra Azhari
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

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

Found 1 Documents
Search

 1 
Analisis Kinerja Transfer Learning Pada Model YOLO Dan PaddleOCR Dalam Deteksi Dan Pengenalan Plat Nomor Kendaraan Ais Azra Azhari; Tirana Noor Fatyanosa; Santoso, edy
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 10 (2025): Oktober 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Sistem Automatic License Plate Recognition (ALPR) sangat esensial dalam berbagai aplikasi transportasi cerdas dan keamanan. Namun, implementasi ALPR tradisional sering menghadapi tantangan signifikan seperti variasi bentuk plat nomor, kondisi pencahayaan, dan sudut pengambilan gambar. Penelitian ini mengatasi masalah tersebut dengan menganalisis kinerja transfer learning pada model deep learning YOLOv8 untuk deteksi plat nomor dan PaddleOCR untuk pengenalan karakter, memanfaatkan dataset plat nomor kendaraan Indonesia yang komprehensif. Metodologi penelitian melibatkan pra-pemrosesan dataset dan fine-tuning pada model. YOLOv8 bertanggung jawab mendeteksi lokasi plat nomor kendaraan, dan area yang terdeteksi kemudian diekstraksi serta diproses oleh PaddleOCR untuk pengenalan karakter. Evaluasi kinerja sistem dilakukan secara ekstensif menggunakan metrik standar seperti Precision, Recall, F1-score, dan mean Average Precision (mAP) untuk deteksi, serta Character Recognition Rate (CRR), License Plate Recognition Rate (LPRR), dan Edit Distance untuk pengenalan karakter. Hasil penelitian menunjukkan fine-tuning YOLOv8 sangat efektif, mencapai mAP50 99.31%, Precision 98.06%, Recall 97.77%, dan F1-score 97.91%, dengan konvergensi cepat (15-20 epoch). PaddleOCR mencapai CRR 84.20% dan LPRR 71.40%, dengan kesalahan minor. Pendekatan transfer learning ini terbukti efisien dan efektif dalam membangun sistem ALPR yang akurat dan adaptif untuk konteks plat nomor Indonesia.
Co-Authors Edy Santoso Tirana Noor Fatyanosa