Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Seminar Nasional Ilmu Terapan
Oesman Hendra Kelana
Fakultas Sains dan Teknologi, Universitas Ma Chung, Malang
Civil Engineering, Building, Construction & Architecture Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Languange, Linguistic, Communication & Media

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
RANCANG BANGUN APLIKASI PENGENALAN PELAT NOMOR UNTUK SISTEM PARKIR BERLANGGANAN BERBASIS DESKTOP MENGGUNAKAN TESSERACT OCR Oesman Hendra Kelana; Dan Julio Bahardica; Mochamad Subianto; Windra Swastika
Seminar Nasional Ilmu Terapan Vol 1 No 1 (2019): SNITER 2019
Publisher : Universitas Widya Kartika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (614.829 KB)

Abstract

Pelat nomor merupakan salah satu identitas pada kendaraan bermotor yang berisi kombinasi angka unik yang berbeda-beda untuk setiap kendaraan yang ada di Indonesia. Memiliki pelat nomor merupakan salah satu persyaratan yang harus dipenuhi sebuah kendaraan bermotor agar menjadi legal secara hukum untuk di Indonesia. Fungsi lainnya adalah menjadi identitas saat menggunakan lahan parkir. Tingginya penggunaan lahan parkir menuntut pengelolaan lahan parkir yang baik pula. Untuk memenuhi tuntutan tersebut, pengelola mulai meninggalkan cara konvensional dan mengadopsi teknologi. Salah satunya adalah penggunaan komputer untuk mendukung pengelolaan lahan parkir. Dalam penelitian ini dikembangkan suatu aplikasi untuk sistem parkir berlangganan yang dapat mengenali pelat nomor secara otomatis untuk mempermudah penggunaan fasilitas parkir. Pelat nomor dalam bentuk citra yang diperoleh melalui webcam akan dikenali dengan melihat garis tepian yang diperoleh dan disegmentasi menjadi pelat nomor. Pelat nomor yang telah disegmentasi akan dikenali menggunakan Tesseract OCR. Untuk memeriksa kecocokan hasil pengujian dilakukan perhitungan menggunakan Levenshtein Distance. Dari 96 pengujian dengan menggunakan webcam dan kamera profesional serta variabel pengujian lainnya, 50 pelat berhasil dideteksi. Kemudian dari pelat yang berhasil dideteksi didapatkan akurasi pengenalan sebesar 88,2%
Co-Authors Dan Julio Bahardica Mochamad Subianto Windra Swastika