PERANCANGAN DAN PEMBANGUNAN SISTEM PENGENALAN TANDA NOMOR KENDARAAN DENGAN METODE LEARNING VECTOR QUANTIZATION (LVQ)

  • Rohma R
N/ACitations
Citations of this article
9Readers
Mendeley users who have this article in their library.

Abstract

Sistem pengenalan citra pola tanda nomor kendaraan bermotor (TNKB) merupakan salah satu aplikasi dalam ilmu komputer, aplikasi ini dapat membantu proses pengolahan data pola tanda nomor kendaraan. Pengolahan data dilakukan dengan menggunakan metode Learning Vector Quantization sebagai pembantu yang dapat meningkatkan kinerja dari sistem kontrol dan informasi, khususnya dalam membantu suatu komputer untuk bisa meniru kegiatan manusia seperti melihat dan membaca suatu tulisan (angka dan huruf). Ada beberapa tahap dalam sistem pengenalan citra pola tanda nomor kendaraan bermotor yaitu citra pola plat nomor dihasilkan melalui proses pemotretan dari kamera handphone, kemudian dipotong secara manual, proses selanjutnya dilakukan Grayscale (derajat keabuan), Gaussian, Threshold, Deteksi contour, Segmentasi, Ekstrasi Ciri, dan Pengklasifikasian ke Learning Vector Quantization (LVQ). Pada proses pengenalan pola plat nomor, setelah dilakukan pengujian terhadap 25 data uji, kemampuan sistem dalam mengenali pola karakter semakin baik jika jumlah data (training) yang menyimpan bobot vektor semakin banyak, serta pencahayaan yang merata. Dari pengujian sistem ini mampu mengenali pola sebesar 66,15%.

Cite

CITATION STYLE

APA

Rohma, R. (2018). PERANCANGAN DAN PEMBANGUNAN SISTEM PENGENALAN TANDA NOMOR KENDARAAN DENGAN METODE LEARNING VECTOR QUANTIZATION (LVQ). Ubiquitous: Computers and Its Applications Journal, 1(1), 1–6. https://doi.org/10.51804/ucaiaj.v1i1.260.1-6

Register to see more suggestions

Mendeley helps you to discover research relevant for your work.

Already have an account?

Save time finding and organizing research with Mendeley

Sign up for free