SISTEM PENGENALAN TANDA NOMOR KENDARAAN BERMOTOR (TNKB) MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN RADIAL BASIS FUNCTION NETWORK (RBFN)

Putra, Gebby Dhayu and Adhy, Satriyo (2014) SISTEM PENGENALAN TANDA NOMOR KENDARAAN BERMOTOR (TNKB) MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN RADIAL BASIS FUNCTION NETWORK (RBFN). Undergraduate thesis, Universitas Diponegoro.

[img]
Preview
PDF
Available under License Creative Commons Attribution Non-commercial Share Alike.

707Kb

Abstract

Tanda nomor kendaraan bermotor (TNKB) merupakan ciri atau tanda pengenal dari suatu kendaraan yang diberikan oleh kepolisian. TNKB berisikan kode wilayah, nomor registrasi,serta masa berlaku dan dipasang pada kendaraan bermotor. Setiap kendaraan memilikiTNKB yang berbeda – beda. Pengenalan TNKB yang tercantum pada plat setiap kendaraan di tempat parkir mal atau tempat pusat keramaian biasanya dilakukan secara manual. Masalah yang sering timbul merupakan kesalahan dalam hal pencatatan dan membutuhkan waktu yang lama sehingga dapat mengakibatkan antrean yang panjang. Jaringan syaraftiruan adalah paradigma pemrosesan suatu informasi yang terinspirasi oleh sistim sel syarafbiologi, sama seperti otak yang memproses suatu informasi. Penelitian ini merancang dan membangun sistem pengenalan tanda nomor kendaraan bermotor (TNKB) dengan menggunakan jaringan syaraf tiruan Radial Basis Function Network (RBFN) mulai dari citrakendaraan diolah sampai dihasilkan teks TNKB. Metode yang digunakan untuk mendapatkan citra TNKB dari citra kendaraan adalah thresholding, top-hat, autocropping, thinning, heuristic dan scalling. RBFN memiliki algoritma pelatihan yang agak unik karenaterdiri atas cara supervised dan unsupervised sekaligus. Proses pembelajarannya hanyadilakukan satu arah dan sekali saja dengan dua tahapan. Tahap pertama yaitu clustering datadan tahap kedua yaitu pembaharuan bobot. Sistem ini dikembangkan dengan menggunakanmetode pengembangan perangkat lunak berorientasi objek dengan model recursive/parallelyang diimplementasikan dengan menggunakan bahasa pemograman .Net dan databaseMicrosoft Access. Berdasarkan hasil penelitian metode RBFN dapat mengenali plat nomorpolisi kendaraan dengan tingkat keberhasilan 60% dan mengenali karakter dalam plat nomorpolisi kendaraan dengan tingkat keberhasilan 85,71%.

Item Type:Thesis (Undergraduate)
Subjects:Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Q Science > QA Mathematics > QA76 Computer software
Divisions:Faculty of Science and Mathematics > Department of Computer Science
ID Code:59562
Deposited By:INVALID USER
Deposited On:18 Jan 2018 14:04
Last Modified:18 Jan 2018 14:04

Repository Staff Only: item control page