SISTEM CERDAS DETEKSI PELAT NOMOR UNTUK PELANGGARAN HELM DAN MASKER
Total View This Week0
Total View This Week0
Institusion
Universitas Nusantara PGRI Kediri
Author
Huda, Rohmat Syamsul
WULANNINGRUM, RESTY
SWANJAYA, DANIEL
WULANNINGRUM, RESTY
SWANJAYA, DANIEL
Subject
459 Computer science
Datestamp
2022-09-03 06:25:50
Abstract :
Pandemi Coronavirus disease 2019 (COVID-19) mengguncang dunia sejak akhir Desember 2019, membuat pemerintah mengeluarkan aturan yang mewajibkan penggunaan masker ketika berada di luar ruangan. Hal tersebut berdampak terhadap aktivitas berkendara sepeda motor. Di sisi yang lain pengendara sepeda motor diwajibkan menggunakan helm, sehingga pengendara sepeda motor wajib menggunakan helm dan masker secara bersamaan. Kemudian sistem E-TLE digunakan untuk mendeteksi pelanggaran helm, namun belum mampu mendeteksi pelanggaran masker pada pengendara sepeda motor. Sehingga dibuatlah sistem cerdas deteksi pelat nomor untuk pelanggaran helm dan masker. Untuk dapat mendeteksi objek pada citra, dibutuhkan suatu metode yang mampu memprediksi lokasi dan kelas objek tersebut, sehingga YOLOv4 dipilih untuk mendeteksi objek sepeda motor, helm, masker dan pelat. YOLO (You Only Look Once) sendiri merupakan sistem deteksi objek secara realtime berdasarkan CNN (Convolutional Neural Network). Kemudian untuk mendapatkan karakter pelat nomor secara otomatis dapat menggunakan teknologi pengenalan karakter (Optical Character Recognition) yang salah satunya adalah Tesseract-OCR. Dengan menggunakan 600 data, pelatihan YOLOv4 menghasilkan model dengan mAP tertinggi 93.38% (model 2) dan F1-Score tertinggi 0.86 (model 6). Model dengan F1-Score tertinggi dipilih untuk diintegrasikan sistem, kemudian pengujian dilakukan dengan memasukkan citra pengendara sepeda motor. Sistem mampu mendeteksi objek sepeda motor, helm, masker dan pelat kemudian melakukan identifikasi karakter plat secara otomatis jika terjadi pelanggaran.
Pandemi Coronavirus disease 2019 (COVID-19) mengguncang dunia sejak akhir Desember 2019, membuat pemerintah mengeluarkan aturan yang mewajibkan penggunaan masker ketika berada di luar ruangan. Hal tersebut berdampak terhadap aktivitas berkendara sepeda motor. Di sisi yang lain pengendara sepeda motor diwajibkan menggunakan helm, sehingga pengendara sepeda motor wajib menggunakan helm dan masker secara bersamaan. Kemudian sistem E-TLE digunakan untuk mendeteksi pelanggaran helm, namun belum mampu mendeteksi pelanggaran masker pada pengendara sepeda motor. Sehingga dibuatlah sistem cerdas deteksi pelat nomor untuk pelanggaran helm dan masker. Untuk dapat mendeteksi objek pada citra, dibutuhkan suatu metode yang mampu memprediksi lokasi dan kelas objek tersebut, sehingga YOLOv4 dipilih untuk mendeteksi objek sepeda motor, helm, masker dan pelat. YOLO (You Only Look Once) sendiri merupakan sistem deteksi objek secara realtime berdasarkan CNN (Convolutional Neural Network). Kemudian untuk mendapatkan karakter pelat nomor secara otomatis dapat menggunakan teknologi pengenalan karakter (Optical Character Recognition) yang salah satunya adalah Tesseract-OCR. Dengan menggunakan 600 data, pelatihan YOLOv4 menghasilkan model dengan mAP tertinggi 93.38% (model 2) dan F1-Score tertinggi 0.86 (model 6). Model dengan F1-Score tertinggi dipilih untuk diintegrasikan sistem, kemudian pengujian dilakukan dengan memasukkan citra pengendara sepeda motor. Sistem mampu mendeteksi objek sepeda motor, helm, masker dan pelat kemudian melakukan identifikasi karakter plat secara otomatis jika terjadi pelanggaran.
File :
RAMA_55201_18103020108.pdf
RAMA_55201_18103020108_SIMILARITY.pdf
RAMA_55201_18103020108_0719068702_0723098303_01_front_ref.pdf
RAMA_55201_18103020108_0719068702_0723098303_02.pdf
RAMA_55201_18103020108_0719068702_0723098303_03.pdf
RAMA_55201_18103020108_0719068702_0723098303_04.pdf
RAMA_55201_18103020108_0719068702_0723098303_05.pdf
RAMA_55201_18103020108_0719068702_0723098303_06_ref.pdf
RAMA_55201_18103020108_0719068702_0723098303_07_lamp.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
