<![CDATA[Penelitian ini mengatasi permasalahan pendataan plat nomor bus secara konvensional di terminal yang rentan terhadap kesalahan manusia, pelaporan yang lambat, dan kurangnya transparansi. Tujuan penelitian ini adalah merancang dan mengimplementasikan sistem deteksi dan pengenalan plat nomor angkutan bus secara otomatis menggunakan kombinasi teknologi Kecerdasan Buatan (AI), khususnya model deep learning YOLOv11, dan Internet of Things (IoT). Penelitian ini menggunakan Raspberry Pi 5 sebagai perangkat edge yang terhubung dengan webcam untuk menangkap video beresolusi 1280x720 , yang kemudian melakukan deteksi plat nomor secara real-time. Model YOLOv11 dilatih menggunakan 682 frame gambar , menunjukkan kinerja yang sangat baik pada dataset validasi dengan nilai mean Average Precision (mAP50) sebesar 0.98674. Meskipun keterbatasan Raspberry Pi 5 tanpa dedicated Neural Processing Unit (NPU) membatasi kecepatan pemrosesan real-time menjadi 10–18 FPS pada resolusi 640x480 , kecepatan ini dinilai mencukupi untuk deteksi bus di lingkungan terminal karena pergerakan kendaraan yang tidak cepat. Teks plat nomor yang berhasil dikenali dan timestamp kemudian dikirimkan ke database Firebase melalui arsitektur IoT. Sistem yang dihasilkan diharapkan dapat membantu dalam pendataan kendaraan bus di terminal dengan lebih cepat, efisien, dan akuntabel]]>
Copyrights © 2025
