ANALISA KINERJA K-NEAREST NEIGHBOR (KNN) DAN SUPPORT VECTOR MACHINE (SVM) PADA PENGENALAN KARAKTER PLAT NOMOR KENDARAAN PRIBADI

ANISA, PUTRIANA (2017) ANALISA KINERJA K-NEAREST NEIGHBOR (KNN) DAN SUPPORT VECTOR MACHINE (SVM) PADA PENGENALAN KARAKTER PLAT NOMOR KENDARAAN PRIBADI. Diploma thesis, Universitas Andalas.

[img]
Preview
Text (ABSTRAK)
Cover dan Abstrak.pdf - Published Version

Download (138kB) | Preview
[img]
Preview
Text (BAB I)
BAB I.pdf - Published Version

Download (299kB) | Preview
[img]
Preview
Text (BAB V)
BAB V.pdf - Published Version

Download (116kB) | Preview
[img]
Preview
Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf - Published Version

Download (331kB) | Preview
[img] Text (SKRIPSI FULLTEXT)
UploadTA.pdf - Published Version
Restricted to Repository staff only

Download (2MB)

Abstract

ABSTRAK Peningkatan jumlah kendaraan bermotor di Indonesia dari tahun ke tahun terus mengalami peningkatan. Plat nomor kendaraan yang bersifat unik sering digunakan dalam proses pendataan . Integrasi teknologi informasi kedalam semua aspek kehidupan modern menyebabkan diperlukannya pengenalan plat nomor kendaraan secara otomatis. Salah satu keuntungan dari teknologi ini adalah mampu mengidentifikasi sebuah image menjadi keluaran berupa text yang terdiri dari huruf dan angka. Dalam penelitian ini, metode Support Vector Machine (SVM) dan k - Nearest Neighbor (kNN) digunakan untuk pengenal an karakter citra dari suatu citra plat nomor kendaraan. Namun sebelumnya, citra plat nomor akan diubah menjad i citra biner. Citra biner kemudian akan disegmentasi. Terakhir citra hasil segmentasi akan di ekstraksi menggunakan histogram dengan parameter jumlah biner 1, nilai mean, dan varian ce . . Uji coba pa da penelitian ini melibatkan 235 karakter yang terdiri dari huruf dan angka pada plat nomor kendaraan pribadi di Indonesia. Tingkat akurasi yang diperoleh dengan menggunakan metode KNN lebih tinggi dibandingkan SVM dalam pengenalan karakter plat nomor, yaitu 94,89 % dan 87,66 %. KNN juga lebih efektif dengan aku rasi waktu pengenalan 63,59 detik. Kata Kunci : Pengenalan Plat N omor, Histogram, Mean, Varian ce , Jumlah Biner , SVM, kNN

Item Type: Thesis (Diploma)
Subjects: T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions: Fakultas Teknik > Elektro
Depositing User: S1 Teknik Elektro
Date Deposited: 01 Feb 2017 08:55
Last Modified: 01 Feb 2017 08:55
URI: http://scholar.unand.ac.id/id/eprint/21846

Actions (login required)

View Item View Item