Deteksi Jenis Kendaraan Berdasarkan Nomor Plat Menggunakan Metode Vertical Edge Detection Dan Connected Component Labelling

Abstract

Abstrak Plat nomor kendaraan bermotor merupakan tanda kendaraan bermotor di Indonesia. Pada plat nomor kendaraan di Indonesia terdiri dari kombinasi huruf dan angka, yang memiliki informasi kode wilayah, jenis/tipe kendaraan bermotor dan nomor registrasi dari kendaraan bermotor tersebut. Saat ini, jalan tol di Indonesia sudah menggunakan Automatic Vehicle Classification (AVC) untuk menentukan tarif dan golongan kendaraan bermotor di jalan tol yang diidentifikasi berdasarkan pada jenis/golongan kendaraan bermotor. Sistem AVC relatif menggunakan beberapa sensor dan tentunya membutuhkan biaya sensor yang bervariasi. Berdasarkan analisis tersebut, maka dibutuhkan sistem yang dapat mendeteksi jenis kendaraan bermotor di jalan tol. Pada penelitian ini, penulis menggunakan Vertical Edge Detection (VEDA) untuk mendeteksi lokasi plat nomor kendaraan bermotor, metode Connected Component Labelling (CCL) untuk mendeteksi dan mensegmentasi karakter pada plat dan metode K-Nearest Neighbor (KNN) untuk mengenali setiap karakter pada plat nomor kendaraan bermotor. Dataset yang digunakan pada pengujian ini berupa 162 dataset citra kendaraan dan 2.734 citra huruf dan angka sebanyak 36 kelas. Pada pengujian ini, sistem mampu mengenali jenis kendaraan bermotor berdasarkan nomor plat dengan akurasi sebesar 71,81%, recall sebesar 94,59%, precision sebesar 74,88% dan F1-Score sebesar 83,59%. Hasil tersebut menunjukan kelas terdeteksi dengan baik oleh model yang diusulkan dalam penelitian. Kata kunci : plat nomor kendaraan bermotor, kendaraan bermotor, Vertical Edge Detection (VEDA), Connected Component Labelling (CCL), K-Nearest Neighbor (KNN), jalan tol Abstract A license plate is a sign of a motor vehicle in Indonesia. The motor vehicle license plates in Indonesia consists of letters and number, that has information of regional code, type of motor vehicle and registration number of a motor vehicle. Currently, the highway in Indonesia has to use Automatic Vehicle Classification (AVC) to determine the price and class of motor vehicles on the highway that are identified based on type/class of motor vehicle. The AVC system relatively uses several sensors and of course requires varying sensor costs. Based on that analysis, a system that can detect the type of motor vehicle on the highway is needed. In this study, the authors use the Vertical Edge Detection (VEDA) method to detect the location of license plates, the Connected Component Labelling (CCL) method to detect and segment the character on license plates, and the K-Nearest Neighbor (KNN) method to recognize each character on the license plates. The dataset used in this test is 162 motor vehicle datasets and 2,734 characters with 36 classes. In this test, the system can identify the type of motor vehicle based on license plates with an accuracy of 71.81%, recall of 94,59%, precision of 74,88% and F1-Score of 83,59%. These results show that the class is detected properly by the model proposed in the study. Keywords: license plate, motor vehicle, Vertical Edge Detection (VEDA), Connected Component Labelling (CCL), K-Nearest Neighbor (KNN), highway