1Jurusan Teknik Elektro, Universitas Diponegoro Semarang, Indonesia
2Jl. Prof. Sudharto, SH, Kampus UNDIP Tembalang, Semarang 50275, Indonesia, Indonesia
BibTex Citation Data :
@article{Transient5885, author = {Relung D and R. Isnanto and Ajub Zahra}, title = {PENGENALAN PLAT KENDARAAN SECARA WAKTU NYATA MENGGUNAKAN FRAMEWORK AFORGE.NET}, journal = {Transient: Jurnal Ilmiah Teknik Elektro}, volume = {3}, number = {2}, year = {2014}, keywords = {}, abstract = { Abstrak Teknologi pengenalan sekarang ini sudah sangat berkembang. Salah satu aplikasi teknologi pengenalan yang menarik untuk dikembangkan adalah pengenalan plat kendaraan. Pengenalan plat kendaraan ini dapat dilakukan secara waktu nyata. Pengenelan ini menggunakan sebuah rangkaian metode. Sebelum citra dikenali, dilakukan prapengolahan. Prapengolahan ini terdiri dari pengubahan citra menjadi aras keabuan, pendeteksian tepi dan pengambangan. Setelahnya dilakukan penentuan lokasi plat pada citra. Metode yang digunakan untuk penentuan lokasi plat ini adalah analisis intensitas vertikal dan horizontal citra. Langkah berikutnya adalah memisahkan karakter pada plat menggunakan algoritma komponen terkoneksi dan membaca karakter pada plat tersebut dengan menggunakan algoritma K-Nearest Neighbors. Dari hasil pengujian, dapat disimpulkan bahwa sistem pengenalan plat kendaraan waktu nyata yang diujikan terhadap 30 data uji menghasilkan tingkat keberhasilan sebesar 83,33% pada K = 1. Kata kunci : deteksi tepi, pengambangan, analisis intensitas, algoritma komponen terkoneksi, K-Nearest Neighbors. Abstract Recognition technology nowadays has been so advanced. One of its interesting application that can be developed is vehicle plate recognition. This recognition technology can run in real time. Vehicle plate recognition itself uses a series of methods. Before the system recognizes an image, it does some preprocessing. This preprocessing consist of grayscaling, edge detection and thresholding and afterward vehicle plate on the image is being located. This system uses vertical and horizontal intensity analysis from the image to locate vehicle plate. Next step is character segmentation. It is done by using connected component algorithm. And finally, K-Nearest Neighbors algorithm reads all these character. The test results show that this vehicle plate recognition system provides 83,33% success rate from 30 test data. Keywords : edge detection, thresholding, intensity analysis, connected component algorithm, K-Nearest Neighbors. }, issn = {2685-0206}, pages = {262--269} doi = {10.14710/transient.v3i2.262-269}, url = {https://ejournal3.undip.ac.id/index.php/transient/article/view/5885} }
Refworks Citation Data :
Abstrak
Teknologi pengenalan sekarang ini sudah sangat berkembang. Salah satu aplikasi teknologi pengenalan yang menarik untuk dikembangkan adalah pengenalan plat kendaraan. Pengenalan plat kendaraan ini dapat dilakukan secara waktu nyata. Pengenelan ini menggunakan sebuah rangkaian metode. Sebelum citra dikenali, dilakukan prapengolahan. Prapengolahan ini terdiri dari pengubahan citra menjadi aras keabuan, pendeteksian tepi dan pengambangan. Setelahnya dilakukan penentuan lokasi plat pada citra. Metode yang digunakan untuk penentuan lokasi plat ini adalah analisis intensitas vertikal dan horizontal citra. Langkah berikutnya adalah memisahkan karakter pada plat menggunakan algoritma komponen terkoneksi dan membaca karakter pada plat tersebut dengan menggunakan algoritma K-Nearest Neighbors. Dari hasil pengujian, dapat disimpulkan bahwa sistem pengenalan plat kendaraan waktu nyata yang diujikan terhadap 30 data uji menghasilkan tingkat keberhasilan sebesar 83,33% pada K = 1.
Kata kunci : deteksi tepi, pengambangan, analisis intensitas, algoritma komponen terkoneksi, K-Nearest Neighbors.
Abstract
Recognition technology nowadays has been so advanced. One of its interesting application that can be developed is vehicle plate recognition. This recognition technology can run in real time. Vehicle plate recognition itself uses a series of methods. Before the system recognizes an image, it does some preprocessing. This preprocessing consist of grayscaling, edge detection and thresholding and afterward vehicle plate on the image is being located. This system uses vertical and horizontal intensity analysis from the image to locate vehicle plate. Next step is character segmentation. It is done by using connected component algorithm. And finally, K-Nearest Neighbors algorithm reads all these character. The test results show that this vehicle plate recognition system provides 83,33% success rate from 30 test data.
Article Metrics:
Last update:
Penulis yang menyerahkan naskah perlu menyetujui bahwa hak cipta dari artikel tersebut akan diserahkan ke TRANSIENT: Jurnal Ilmiah Teknik Elektro dan Departemen Teknik Elektro, Universitas Diponegoro sebagai penerbit jurnal. Hak cipta mencakup hak untuk mereproduksi dan mengirimkan artikel dalam semua bentuk dan media, termasuk cetak ulang, foto, mikrofilm, dan reproduksi serupa lainnya, serta terjemahannya.
TRANSIENT: Jurnal Ilmiah Teknik Elektro dan Departemen Teknik Elektro, Universitas Diponegoro dan Editor berusaha keras untuk memastikan bahwa tidak ada data, pendapat, atau pernyataan yang salah atau menyesatkan dipublikasikan di jurnal. Dengan cara apa pun, isi artikel dan iklan yang diterbitkan dalam TRANSIENT: Jurnal Ilmiah Teknik Elektro adalah tanggung jawab tunggal dan eksklusif masing-masing penulis dan pengiklan.
Formulir Transfer Hak Cipta dapat diunduh di sini: [Formulir Transfer Hak Cipta Transient]. Formulir hak cipta harus ditandatangani dan dikirim ke Editor dalam bentuk surat asli, dokumen pindaian atau faks:
Dr. Wahyudi (Ketua Editor)Departemen Teknik Elektro, Universitas Diponegoro, IndonesiaJl. Prof. Sudharto, Tembalang, Semarang 50275 IndonesiaTelepon/Facs: 62-24-7460057Email: transient@elektro.undip.ac.id
