IDENTIFIKASI NOMOR PLAT KENDARAAN MENGGUNAKAN METODE CNN (CONVOLUTIONAL NEURAL NETWORK)

Layliya, Arifatul (2021) IDENTIFIKASI NOMOR PLAT KENDARAAN MENGGUNAKAN METODE CNN (CONVOLUTIONAL NEURAL NETWORK). Other thesis, Universitas Islam Lamongan.

	Text 111710112-ARIFATUL LAYLIYA - cover.pdf Download (93kB)
	Text 111710112-ARIFATUL LAYLIYA - daftar isi.pdf Download (15kB)
	Text 111710112-ARIFATUL LAYLIYA - abstrak.pdf Download (6kB)
	Text 111710112-ARIFATUL LAYLIYA - bab i.pdf Download (17kB)
	Text 111710112-ARIFATUL LAYLIYA - bab ii.pdf Download (234kB)
	Text 111710112-ARIFATUL LAYLIYA - bab iii.pdf Restricted to Repository staff only Download (140kB)
	Text 111710112-ARIFATUL LAYLIYA - bab iv.pdf Restricted to Repository staff only Download (160kB)
	Text 111710112-ARIFATUL LAYLIYA - bab v.pdf Restricted to Repository staff only Download (535kB)
	Text 111710112-ARIFATUL LAYLIYA - bab vi.pdf Restricted to Repository staff only Download (6kB)
	Text 111710112-ARIFATUL LAYLIYA - daftar pustaka.pdf Restricted to Repository staff only Download (101kB)

Abstract

Pencatatan nomor plat kendaraan di Indonesia umumnya masih menggunakan cara konvesional yaitu, dengan mencatat nomor plat kendaraan tersebut satu persatu secara manual atau oleh petugas keamanan dan penjaga parkir yang berjaga di tempat tersebut. Sisten keamanan di parkiran kampus Universitas Islam Lamongan masih mengandalkan security / petugas keamanan. Identitas pemilik kendaraan yang berlalu lalang masih belum bisa diketahui sehingga system keamanan dirasa belum dilakukan dengan baik. Oleh sebab itu, pada penelitian ini akan dirancang sebuah system yang bisa mengidentifikasi nomor plat kendaraan dengan menggunakan metode CNN (Convolutional Neural Network) Sehingga dapat diketahui identitas pemilik kendaraan tersebut. Metode CNN (Convolutional Neural Network) pada penelitian ini menggunakan shape berukuran 400 x 300 x 3, dengan ukuran filter 3 x 3, jumlah Epoch sebanyak 15. Data yang digunakan untuk proses training model sebanyak 109. Menghasilkan tingkat akurasi training dan testing dalam melakukan pengenalan plat nomor kendaraan sebesar 98,17 % untuk akurasi dan nikai validasi akurasi sebesar 98,75%.

Item Type:	Thesis (Other)
Subjects:	T Technology > T Technology (General)
Divisions:	FAKULTAS TEKNIK > PRODI TEKNIK INFORMATIKA
Depositing User:	Perpus admin UNISLA
Date Deposited:	10 Feb 2022 06:19
Last Modified:	10 Feb 2022 06:19
URI:	http://eprints.unisla.ac.id/id/eprint/194

Actions (login required)

View Item