RANCANGAN SISTEM DETEKSI PELAT NOMOR KENDARAAN DENGAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DAN OPTICAL CHARACTER RECOGNITION (ORC) UNTUK KLASIFIKASI WILAYAH ADMINISTRATIF

Abstrak

Pelat nomor kendaraan merupakan identitas resmi kendaraan yang juga memuat informasi mengenai wilayah administratif pendaftaran kendaraan. Proses identifikasi wilayah berdasarkan pelat nomor secara manual memiliki keterbatasan dalam hal efisiensi dan pengolahan data dalam jumlah besar. Oleh karena itu, diperlukan suatu rancangan sistem yang mampu mendeteksi pelat nomor kendaraan secara otomatis, mengenali karakter pada pelat, serta mengklasifikasikan wilayah administratif berdasarkan kode yang terdapat pada pelat nomor. Penelitian ini bertujuan merancang sistem deteksi pelat nomor kendaraan menggunakan metode Convolutional Neural Network (CNN) dan Optical Character Recognition (OCR) untuk melakukan klasifikasi wilayah administratif.Metode penelitian yang digunakan adalah pendekatan kualitatif dengan tahapan studi literatur dan perancangan sistem menggunakan metode Rapid Application Development (RAD). Rancangan sistem terdiri dari proses input citra kendaraan, preprocessing citra yang meliputi resize, grayscale, noise reduction, dan normalisasi, kemudian dilanjutkan dengan deteksi lokasi pelat menggunakan CNN. Area pelat yang terdeteksi selanjutnya dilakukan cropping dan diproses menggunakan OCR untuk mengenali karakter huruf dan angka. Hasil pembacaan karakter kemudian dinormalisasi dan dicocokkan dengan database kode wilayah administratif. Rancangan klasifikasi difokuskan pada wilayah Pulau Lombok, yaitu Kota Mataram, Kabupaten Lombok Barat, Lombok Tengah, Lombok Timur, dan Lombok Utara. Hasil perancangan menghasilkan alur sistem yang mengintegrasikan deteksi objek menggunakan CNN, pembacaan karakter menggunakan OCR, serta pencocokan kode wilayah untuk menghasilkan informasi nomor pelat dan wilayah administratif kendaraan. Sistem yang dirancang dapat menjadi dasar pengembangan sistem identifikasi kendaraan secara otomatis. Keberhasilan rancangan dapat dievaluasi berdasarkan indikator deteksi pelat, akurasi pembacaan karakter OCR, akurasi nomor pelat, akurasi klasifikasi wilayah, waktu proses, dan keberhasilan keseluruhan sistem