Sistem Parkir Otomatis Berbasis IoT Berdasarkan Deteksi Plat Nomor Kendaraan Menggunakan YOLOv8 DAN ResNet50
Abstract
Abstrak — Identifikasi kendaraan manual untuk sistem parkir konvensional di Universitas Telkom Surabaya mengakibatkan masalah keamanan karena petugas tidak selalu berada di tempat parkir setiap saat. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem parkir otomatis yang mampu mendeteksi plat nomor kendaraan serta membuka palang pintu secara otomatis berdasarkan verifikasi identitas mahasiswa menggunakan Kartu Tanda Mahasiswa (KTM) berbasis RFID. Sistem ini menggabungkan model YOLOv8 untuk mendeteksi dan melakukan deteksi karakter pada plat nomor kendaraan, model ResNet-50 untuk melakukan klasifikasi karakter, sistem IoT untuk verifikasi identitas menggunakan RFID, serta sistem monitoring berbasis web. Hasil pengujian menunjukkan bahwa model YOLOv8 mencapai precision sebesar 92% dan mAP50 sebesar 88% pada deteksi plat nomor, sedangkan model deteksi karakter mencapai precision sebesar 85% dan mAP50 sebesar 85%. Model ResNet50 untuk klasifikasi karakter mencapai akurasi rata-rata sebesar 98% dengan rata-rata nilai F1-Score pada setiap kelas diatas 95%. Sistem juga berhasil dijalankan pada perangkat edge computing menggunakan Raspberry Pi 5, dengan waktu pemrosesan keseluruhan sekitar 3 - 4 detik. Dengan adanya sistem ini dapat meningkatkan efisiensi, keamanan, dan kenyamanan dalam pengelolaan parkir kampus secara otomatis.
Kata kunci— Sistem Parkir Otomatis, YOLOv8, ResNet50, IoT, edge Computing
Downloads
References
[1] Y. Galahartlambang, T. Khotiah, Z. Fanani, A. Aprilia Yani Solekhah, P. Studi Teknologi Informasi, and I. K. Teknologi dan Bisnis Ahmad Dahlan Lamongan Jl Ahmad Dahlan No, “DETEKSI PLAT NOMOR KENDARAAN OTOMATIS DENGAN CONVOLUTIONAL NEURAL NETWORK DAN OCR PADA TEMPAT PARKIR ITB AHMAD DAHLAN LAMONGAN,” 2023, doi: 10.36595/misi.v5i2.
[2] A. W. Hamdani and A. Prapanca, “Sistem Deteksi Plat Kendaraan pada Parkiran Rumah Pribadi dengan Metode Background Subtraction dan Optical Character Recognition,” Journal of Informatics and Computer Science, vol. 03, 2022.
[3] D. Fernandes, H. Sunardi, and Zulkifli, “Implementasi Deteksi Plat Nomor Kendaraan Bermotor Roda DuaBerbasis OpenCV Untuk Keamanan Parkir,” 2023.
[4] L. Satya, M. R. D. Septian, M. W. Sarjono, M. Cahyanti, and E. R. Swedia, “SISTEM PENDETEKSI PLAT NOMOR POLISI KENDARAAN DENGAN ARSITEKTUR YOLOV8,” Sebatik, vol. 27, no. 2, pp. 753–761, Dec. 2023, doi: 10.46984/sebatik.v27i2.2374.
[5] H. Oktavia, M. Elisabeth Taena, S. Raudhatul Syifa, and P. Rosyani, “BIN : Bulletin Of Informatics Implementasi Sistem Pendeteksian Plat Nomor Otomatis Menggunakan Metode Pengolahan Citra dengan OpenCV dan EasyOCR,” 2024. [Online]. Available: https://ojs.jurnalmahasiswa.com/ojs/index.php/bin
[6] G. Ramadhan, R. D. A. Khairiyah, S. Natania, and A. Harris, “Vehicle Police Number Detection Using Yolov8,” Media Journal of General Computer Science, vol. 1, no. 2, pp. 62–70, Jun. 2024, doi: 10.62205/mjgcs.v1i2.25.
[7] F. M. Adhari, T. F. Abidin, and R. Ferdhiana, “License Plate Character Recognition using Convolutional Neural Network,” Journal of Information Systems Engineering and Business Intelligence, vol. 8, no. 1, pp. 51–60, Apr. 2022, doi: 10.20473/jisebi.8.1.51-60.
[8] D. Nafis Alfarizi, R. Agung Pangestu, D. Aditya, M. Adi Setiawan, and P. Rosyani, “Penggunaan Metode YOLO Pada Deteksi Objek: Sebuah Tinjauan Literatur Sistematis,” 2023. [Online]. Available: https://jurnalmahasiswa.com/index.php/aidanspk
[9] G. Wang, Y. Chen, P. An, H. Hong, J. Hu, and T. Huang, “UAV-YOLOv8: A Small-Object-Detection Model Based on Improved YOLOv8 for UAV Aerial Photography Scenarios,” Sensors, vol. 23, no. 16, Aug. 2023, doi: 10.3390/s23167190.
[10] J. Terven, D. M. Córdova-Esparza, and J. A. Romero-González, “A Comprehensive Review of YOLO Architectures in Computer Vision: From YOLOv1 to YOLOv8 and YOLO-NAS,” Dec. 01, 2023, Multidisciplinary Digital Publishing Institute (MDPI). doi: 10.3390/make5040083.
[11] L. Mohammadpour, T. C. Ling, C. S. Liew, and A. Aryanfar, “A Survey of CNN-Based Network Intrusion Detection,” Aug. 01, 2022, MDPI. doi: 10.3390/app12168162.
[12] D. Sarwinda, R. H. Paradisa, A. Bustamama, and P. Anggia, “Deep Learning in Image Classification using Residual Network (ResNet) Variants for Detection of Colorectal Cancer,” ScienceDirect, 2021.
[13] J. Liang, “Image classification based on RESNET,” in Journal of Physics: Conference Series, IOP Publishing Ltd, Oct. 2020. doi: 10.1088/1742-6596/1634/1/012110.
[14] B. Mandal, A. Okeukwu, and Y. Theis, “Masked Face Recognition using ResNet-50,” Apr. 2021, [Online]. Available: http://arxiv.org/abs/2104.08997
[15] N. Basuni and Amril Mutoi Siregar, “Comparison of the Accuracy of Drug User Classification Models Using Machine Learning Methods,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 7, no. 6, pp. 1348–1353, Dec. 2023, doi: 10.29207/resti.v7i6.5401.
[16] M. Yoga Wibowo, H. Hikmayanti, A. Fitri Nur Masruriyah, E. Novalia, and N. Heryana, “Mask Use Detection in Public Places Using the Convolutional Neural Network Algorithm,” 2023.
[17] U. Ali, M. A. Ismail, R. A. Ariyaluran Habeeb, and S. R. Ali Shah, “Performance Evaluation of YOLO Models in Plant Disease Detection,” Journal of Informatics and Web Engineering, vol. 3, no. 2, pp. 199–211, Jun. 2024, doi: 10.33093/jiwe.2024.3.2.15.
[18] N. Vincent and A. B. Primawan, ID: 16 Sistem Informasi Parkir Pintar berbasis Web dan IoT Web and IoT-based Smart Parking Information System. 2020.
[19] M. Wijayanti, “PROTOTYPE SMART HOME DENGAN NODEMCU ESP8266 BERBASIS IOT,” JUIT, vol. 1, no. 2, 2022.
[20] M. M. Islam, A. Rahaman, and M. R. Islam, “Development of Smart Healthcare Monitoring System in IoT Environment,” SN Comput Sci, vol. 1, no. 3, May 2020, doi: 10.1007/s42979-020-00195-y.
[21] S. Gunawan Zain, “Sistem Object Recognition Plat Nomor Kendaraan Untuk Sistem Parkir Bandara,” 2022. [Online]. Available: https://ojs.unm.ac.id/JESSI/index
[22] N. Made, D. Febriyanti, A. A. Kompiang, O. Sudana, and N. Piarsa, “Implementasi Black Box Testing pada Sistem Informasi Manajemen Dosen,” 2021.



