<![CDATA[CCTV (Closed Circuit Television) adalah sistem pengawasan berbasis kamera yang banyak digunakan untuk memantau lalu lintas dan keamanan di kota-kota besar seperti Jakarta, Surabaya, dan Bandung. Dengan meningkatnya jumlah kendaraan, pengawasan lalu lintas menjadi tantangan besar, terutama bagi pihak kepolisian yang masih menggunakan metode manual. Oleh karena itu, diperlukan solusi otomatis yang dapat mengenali plat nomor kendaraan sebagai identitas unik setiap kendaraan. Dalam beberapa tahun terakhir, teknologi kecerdasan buatan telah digunakan untuk mengembangkan sistem pengenalan plat nomor berbasis machine learning dan deep learning. Salah satu metode yang populer adalah Convolutional Neural Network (CNN). Namun, CNN memiliki kelemahan dalam mengenali urutan karakter. Hal ini dapat diatasi dengan Bidirectional Long Short-Term Memory (BiLSTM), yang mampu memproses urutan data dari dua arah yang meningkatkan akurasi pengenalan. Penelitian ini menggabungkan CNN dan BiLSTM untuk mengenali plat nomor kendaraan, menghasilkan akurasi 86.869 dan Norm ED 0.971. Penggunaan transformasi gambar Thin Plate Spline (TPS) dan freezing layer juga terbukti meningkatkan kemampuan generalisasi model. Kombinasi metode ini memberikan solusi efektif untuk pengenalan plat nomor secara otomatis.]]>
Copyrights © 2025
