PENGENALAN NOMOR KENDARAAN DARI CITRA PELAT MENGGUNAKAN JARINGAN SYARAF TIRUAN EXTREME LEARNING MACHINE

Makarim, Fadhlan Fariz and Wibawa, Helmie Arif (2018) PENGENALAN NOMOR KENDARAAN DARI CITRA PELAT MENGGUNAKAN JARINGAN SYARAF TIRUAN EXTREME LEARNING MACHINE. Undergraduate thesis, Universitas Diponegoro.

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

637Kb

Abstract

Semakin tingginya tingkat kepadatan lalu lintas di kota-kota besar Indonesia menyebabkan semakin sulitnya melakukan prosedur yang ada dalam pengawasan kendaraan dan lalu lintas. Pengembangan teknologi pengenalan nomor pelat kendaraan diharapkan dapat berkontribusi dalam mempermudah pelaksanaan pengawasan kendaraan dan lalu lintas. Dengan menerapkan metode jaringan syaraf tiruan (JST) extreme learning machine (ELM), pengenalan dapat dilakukan jauh lebih cepat dibandingkan menggunakan metode jaringan syaraf tiruan konvensional seperti backpropagation. Kelebihan tersebut dikarenakan ELM tidak melakukan iterasi dalam menentukan nilai-nilai parameter jaringannya melainkan menginisialisasinya secara acak. Model jaringan yang diterapkan pada penelitian ini adalah model JST ELM dengan 512 input neuron, 374 hidden neuron, dan 36 output neuron. Data yang diproses dalam jaringan tersebut adalah citra pelat dalam bentuk biner hasil pengolahan citra yang fiturnya diekstraksi menggunakan teknik pixel mapping. Dengan melakukan pengujian terhadap 80 citra pelat yang terdiri dari 599 karakter, akurasi yang diperoleh adalah 92.32 % dengan rata-rata waktu komputasi 0.55 detik per satu proses pengenalan. Validasi akurasi pengujian juga dilakukan menggunakan k-fold cross validation, dengan k=10, dengan akurasi sebesar 99.17 %.

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:65812
Deposited By:Mrs. Rismiyati .
Deposited On:11 Oct 2018 16:41
Last Modified:11 Oct 2018 16:41

Repository Staff Only: item control page