Optimasi Metode Support Vector Machine dengan Discrete Wavelet Transform Untuk Pengenalan Karakter Plat Nomor Kendaraan

Pengenalan karakter plat nomor kendaraan memiliki peran penting untuk tujuan identifikasi secara resmi, penerapanya telah banyak dilakukan untuk identifikasi otomatis seperti pada tol elektronik, tempat parkir, dsb. Penelitian berkaitan dengan pengenalan karakter setidaknya memiliki fase-fase sepert...

Full description

Bibliographic Details
Main Authors: Edi Sugiarto, Fikri Budiman
Format: Article
Language:Indonesian
Published: Universitas Semarang 2021-01-01
Series:Transformatika
Subjects:
Online Access:https://journals.usm.ac.id/index.php/transformatika/article/view/2694
Description
Summary:Pengenalan karakter plat nomor kendaraan memiliki peran penting untuk tujuan identifikasi secara resmi, penerapanya telah banyak dilakukan untuk identifikasi otomatis seperti pada tol elektronik, tempat parkir, dsb. Penelitian berkaitan dengan pengenalan karakter setidaknya memiliki fase-fase seperti segmentasi, fitur extraksi dan klasifikasi dimana tiap fase memiliki proses yang rumit. Keberhasilan dalam proses pengenalan karakter sangat tergantung dalam proses fitur ekstraksi, Sehingga pemilihan metode fitur ekstraksi yang dapat mengekstrak fitur-fitur yang relevan perlu dilakukan agar tingkat akurasi sistem pengenalan karakter dapat ditingkatkan. discrete wavelet transform telah banyak digunakan sebagai metode untuk ekstraksi fitur, metode ini melakukan ekstraksi dengan melakukan dekomposisi pada  ruang vektor ke dalam ruang vektor bersarang dengan resolusi yang berbeda. Dalam penelitian ini metode discrete wavelet transform dikombinasikan dengan support vector machine untuk meningkatkan akurasi pengenalan karakter. Penelitian dilakukan dengan mengukur tingkat akurasi dari 100 citra plat nomor, dengan penambahan metode discrete wavelet transform dan support vector machine tingkat akurasi klasifikasi mencapai 92% yang artinya  mendapatkan peningkatan akurasi sebesar 8% dibanding klasifikasi menggunakan SVM standar.
ISSN:1693-3656
2460-6731