PENGENALAN PLAT NOMOR KENDARAAN MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS DAN SUPPORT VECTOR MACHINE BERBASIS PENGOLAHAN CITRA DIGITAL Silviana Utari, Tjut Awaliyah, M.Kom, Irma Anggraeni, M.Kom email :
[email protected]
Program Studi Ilmu Komputer FMIPA Universitas Pakuan
ABSTRAK Sistem pengenalan plat nomor merupakan salah satu aplikasi yang dapat membantu proses pengolahan data plat nomor mobil dengan menggunakan Image processing yang dapat meningkatkan kinerja dari sistem kontrol dan informasi pada area parkir. Ada beberapa tahapan dalam pengenalan ini yaitu image diambil dari kamera, selanjutnya mencari lokasi plat nomor dan mensegmentasi setiap karakter yang ada dari plat tersebut dengan menggunakan kamera webcam , dan kemudian melakukan pengenalan pada setiap karakter dengan metode PCA. Selanjutnya proses klasifikasi pengenalan plat nomor kendaraan dengan menggunakan metode SVM . Hasil yang diharapkan mampu mengenali plat nomor kendaraan yang di proses. Sistem telah diujicobakan pada suatu database (0-9, A-Z) yang merupakan plat nomor berstandar POLRI. Hasil pengujian menunjukkan tingkat keberhasilan yang cukup memuaskan, tingkat akurasi keberhasilan pengenalan plat nomor adalah 77,61%, dimana untuk pengujian plat nomor mobil sebesar 77,77%, dan untuk pengujian plat nomor motor sebesar 77,46 .
Kata kunci : Kata Kunci : Pengenalan Plat Nomor Mobil, PCA, SVM, Matlab, Eigen Vectors.
1.
PENDAHULUAN Salah satu bagian unik dari sebuah kendaraan bermotor adalah plat nomor polisi. Plat nomor polisi merupakan identitas utama dari sebuah kendaraan bermotor yang beroperasi di jalan raya, sehingga plat nomor polisi umumnya di letakkan di tempat yang mudah di lihat pada kendaraan. Di Indonesia telah di tetapkan dalam aturan bahwa tanda plat nomor kendaraan harus menuhi syarat dalam segi bentuk, ukuran, warna, dan letak pemasangannya. Dan ada ketentuan yang menjelaskan tentang standar tulisan untuk tanda nomor kendaraan pola plat nomor dapat diterapkan pada banyak aplikasi pemantauan aktivitas lalu lintas salah satunya pengenalan plat kendaraan
Dalam pengenalan karakter proses klasifikasi ditentukan dari ekstraksi fitur tiap karakter. sehingga dengan bentuk karakter yang beragam akan menambah tingkat kesulitan dalam proses pengenalan. Pengenalan pola pada plat nomor terdiri dari 3 tahapan, yaitu deteksi lokasi plat nomor, segmentasi karakter plat nomor, dan pengenalan karakter hasil segmentasi. Deteksi lokasi plat nomor adalah komponen utama dalam pengenalan pola plat untuk menemukan citra lingkungan yang kemungkinan mengandung arti dan nilai pada objek plat nomor. Langkah pertama yang dapat digunakan untuk melakukan deteksi plat nomor adalah Pre-processing, selanjutnya adalah segmentasi karakter pada plat nomor. Segmentasi karakter dapat
dilakukan dengan metode vertikal atau horizontal. Karena karakter pada plat nomor di Indonesia hanya terletak pada satu baris, maka proses segmentasi akan mencari batas vertikal pada tiap karakter yang akan disegmentasikan. 1.1 LATAR BELAKANG Salah satu bagian unik dari sebuah kendaraan bermotor adalah plat nomor polisi. Plat nomor polisi merupakan identitas utama dari sebuah kendaraan bermotor yang beroperasi di jalan raya, sehingga plat nomor polisi umumnya di letakkan di tempat yang mudah di lihat pada kendaraan. Di Indonesia telah di tetapkan dalam aturan bahwa tanda plat nomor kendaraan harus menuhi syarat dalam segi bentuk, ukuran, warna, dan letak pemasangannya. Dan ada ketentuan yang menjelaskan tentang standar tulisan untuk tanda nomor kendaraan pola plat nomor dapat diterapkan pada banyak aplikasi pemantauan aktivitas lalu lintas salah satunya pengenalan plat kendaraan. Dalam pengenalan karakter proses klasifikasi ditentukan dari ekstraksi fitur tiap karakter. sehingga dengan bentuk karakter yang beragam akan menambah tingkat kesulitan dalam proses pengenalan. Pengenalan pola pada plat nomor terdiri dari 3 tahapan, yaitu deteksi lokasi plat nomor, segmentasi karakter plat nomor, dan pengenalan karakter hasil segmentasi. Deteksi lokasi plat nomor adalah komponen utama dalam pengenalan pola plat untuk menemukan citra lingkungan yang kemungkinan mengandung arti dan nilai pada objek plat nomor. Langkah pertama yang dapat digunakan untuk melakukan deteksi plat nomor adalah Pre-processing, selanjutnya adalah segmentasi karakter pada plat nomor. Segmentasi karakter dapat dilakukan dengan metode vertikal atau horizontal. Karena karakter pada plat nomor di Indonesia hanya terletak pada satu baris, maka proses segmentasi akan mencari batas vertikal pada tiap karakter yang akan disegmentasikan.
1.2 TUJUAN Tujuan penelitian ini adalah sebagai berikut: 1. Dapat mengenali karakter dari plat nomor kendaraan dalam sebuah citra. 2. Membantu dalam identifikasi nomor plat kendaraan motor agar lebih efisien. 3. Mendapatkan hasil keluaran yang lebih akurat dan nyata sesuai dengan inputnya. 2. TINJAUAN PUSTAKA 2.1 Principal Component analysis (PCA) merupakan teknik yang umum digunakan untuk menarik fitur-fitur dari data pada sebuah skala berdimensi tinggi. Dengan cara mentransformasikan citra ke dalam eigenfaces secara linier, proyeksikan citra ke dalam bentuk skala berdimensi n, yang menampakkan properti dari sampel yang paling jelas sepanjang koordinat. 2.2 Support Vector Machine merupakan metode pembelajaran yang digunakan untuk klasifikasi biner, ide dasarnya adalah mencari hyperplane terbaik yang berfungsi sebagai pemisah dua class pada input space. 2.3 Tanda Nomor Kendaraan Bermotor berbentuk plat aluminium dengan cetakan tulisan dua baris. Baris pertama menunjukkan: kode wilayah (huruf), nomor polisi (angka), dan kode/seri akhir wilayah (huruf). Baris kedua menunjukkan bulan dan tahun masa berlaku Bahan baku TNKB adalah aluminium dengan ketebalan 1 mm. Terdapat cetakan garis lurus pembatas lebar 5 mm diantara ruang nomor polisi dengan ruang angka masa berlaku. Pada sudut kanan atas dan sudut kiri bawah terdapat tanda khusus (security mark) cetakan lambang Polisi Lalu Lintas; sedangkan pada sisi sebelah kanan dan sisi sebelah kiri ada tanda khusus cetakan "DITLANTAS POLRI" yang merupakan hak paten pembuatan TNKB oleh Polri.
3.METODOLOGI PENELITIAN Pada perancangan sistem ini, terdapat 2 proses utama yang harus dilakukan. Proses tersebut adalah proses database dan proses pengenalan. Berikut adalah alur kerja sistem.
Gambar 1. Alur kerja sistem
akan didapat bagian karakter bernilai piksel 1 dan bagian background bernilai piksel 0. Grayscale RGB memiliki 24 bit. Masing-masing terdiri dari Red, Green, Blue terdiri dari 8 bit. Nilai RGB (Red, Green, Blue) diubah menjadi gambar yang terdiri dari warna putih dan gradiasi warna hitam yang biasa disebut greyscale. Untuk mengubah RGB menjadi greyscale dapat digunakan rumus sebagai berikut:
I(x,y) = α.R + β.G + γ.B
Gambar 1 menunjukkan cara kerja sistem ini dalam melakukan sebuah proses pengenalan. sebelum proses pengenalan terlebih dahulu melakukan proses data pelatihan yaitu proses database. 3.1 Proses Database Pada proses database ini, Data gambar alphanumeric yang diambil ada 71 gambar plat nomor, diambil dari gambar angka 0-9 dan huruf A-Z) jumlahnya ada 36. Setiap gambar yang di ambil merupakan plat nomor yang tulisannya sesuai dengan standar POLRI
Gambar 2. contoh sebagian gambar database yang sudah di crop. 3.2 Tahap Pengenalan 3.2.1 Tahap Preprocessing Pada tahap preprocessing, dilakukan proses binerisasi yaitu mengubah citra menjadi citra biner, sehingga citra hanya Citra binerisasi dikomplemenkan sehingga
Dilate Image (Dilasi) Dilasi adalah operasi morpologi yang akan menambahkan pixel pada batas antar objek dalam suatu citra digital. Atau secara rinci dilasi merupakan suatu proses menambahkan piksel pada batasan dari objek dalam suatu image sehingga nantinya apabila dilakukan operasi ini maka image hasilnya lebih besar ukurannya dibandingkan dengan image aslinya. Edge Processing (Deteksi Tepi) Deteksi tepi (edge detection) pada suatu citra adalah suatu proses yang menghasilkan tepi-tepi dari obyek-obyek citra. Edge processing terbagi menjadi dua bagian, Vertical edge processing dan Horizontal edge processing.
3.2.2.Segmentasi Segmentasi merupakan proses partisi gambar digital ke beberapa daerah dengan tujuan untuk menyederhanakan ataupun merubah representasi gambar menjadi lebih mudah dianalisa.
didapat bagian karakter bernilai piksel 1 dan bagian background bernilai piksel 0.
A
B
C
D
3.2.3. Ekstrak PCA Principal Components Analysis adalah untuk menangkap variasi total di dalam kumpulan karakter yang dilatihkan, dan untuk merepresentasikan variasi ini dengan variabel yang lebih sedikit. Suatu image
yang direpresentasikan dengan variabel yang sedikit akan lebih mudah untuk ditangani dan dimengerti daripada jika direpresentasikan dengan row pixel yang banyak dari image tersebut. Ekstrak PCA dilakukan untuk mengurangi atau mereduksi dimensi data. Dengan 3.2.4. Klasifikasi 1. Pelatihan Support Vector Machine (SVM) Tahap pelatihan menggunakan citra yang sudah di ambil dari hasil scan huruf berbentuk *.jpg. Citra tersebut dilakukan preprocessing yaitu dengan mengubah citra menjadi citra biner (0,1) lalu dikomplemenkan, citra di potong dan di ambil bagian karakternya, setelah itu ukuran piksel citra dirubah menjadi 32 x 32 piksel, selanjutnya dilakukan proses thinning untuk mendapatkan kerangka inti dari citra tersebut. Setelah dilakukan preprocessing, dilakukan ektraksi ciri menggunakan metode PCA dan menghasilkan matriks yang berasal dari hasil rata-rata tiap zona, yang disimpan dalam bentuk *.mat. Citra yang digunakan menjadi data pelatihan pada plat mobil berjumlah 395 yaitu A.jpg-Z.jpg sampai AA.jpg-SSS.jpg. Sedangkan pada plat motor berjumlah 216 yaitu AA.jpg-JJ.jpg. 2. Input Image Pada Proses Training Image yang digunakan pada proses training ini digunakan sebagai data awal yang pada proses selanjutnya akan di ekstraksi untuk mendapatkan pola-pola, image yang digunakan pada proses ini berupa citra karakter alphanumeric yang digunakan pada plat nomor kendaraan. Citra huruf dan angka yang akan di training yakni citra huruf yang merepresentasikan huruf kapital dan angka yang digunakan pada plat nomor kendaraan antara lain : AZ, 0-9. 4. HASIL DAN PEMBAHASAN HASIL Hasil dari implementasi aplikasi pengenalan plat nomor dari 5 menu yaitu menu parkir masuk, parkir keluar, data kendaraan, tentang dan uji plat kendaraan. Form utama dapat dilihat pada Gambar 3
mempertahankan sebanyak mungkin informasi dari dataset. PCA memp mempertahankan sebanyak mungkin informasi dari dataset yang asli. PCA memproyeksikan data sepanjang suatu arah dimana data tersebut memiliki varians yang tinggi di tentukan oleh eigenvectors.
Gambar 3. Tampilan Form Utama
Gambar 4. Tampilan Pengambilan Gambar Pengenalan Plat Kendaraan Langsung Dari Kamera Webcam
Gambar 5. Tampilan Pengambilan Gambar Pengenalan Plat Kendaraan Dalam Bentuk File
4.1 PEMBAHASAN Kendaraaan yang di ambil citranya adalah mobil dan motor dengan warna, bentuk dan tulisan plat yang sesuai dengan standar dari POLRI. Seperti pada sampel citra kendaraan dibawah ini:
akan dilatih untuk kebutuhan klasifikasi pada metode SVM. Tahap Klasifikasi dilakukan menggunakan metode SVM. Hasil dari proses ini adalah berupa didapatkanya nilai parameter- parameter SVM Proses pembelajaran pada SVM dalam menemukan titik-titik support vector. 5.
Gambar 6. Sampel Citra kendaraan Plat Mobil Citra yang dipakai di simpan dengan format dalam bentuk JPEG. untuk memperoleh citra hasil yang baik kendaraan dipotret dari jarak yang dekat atau dengan zooming agar plat nomor yang ada di dalam citra dapat terbaca dengan jelas . Pada penelitian ini citra yang digunakan plat nomor dari beberapa kode daerah adalah sebanyak 107 citra dengan komposisi plat mobil sebanyak 71 buah dan plat motor sebanyak 36 buah. Pada penelitian ini di lakukan beberapa tahapan yaitu Preprocessing, segmentasi, dan ekstraksi fitur, dan klasifikasi. Pada tahap Preprocessing dilakukan beberapa proses, pertama greyscale yaitu perubahan citra warna menjadi abu-abu. Kedua dilatasi (dilate image) yaitu proses penambahan piksel pada citra. Ketiga edge processing atau deteksi tepi, terbagi dua yaitu pemotongan citra secara vertikal dan horizontal. Keempat proses perubahan warna citra menjadi black & white. Kemudian tahap Segmentasi dilakukan tiga proses, pertama eliminasi objek yaitu mengeliminasi bagian selai pola yang akan di deteksi selain plat. Kedua cropping yaitu proses pemotongan yang dilakukan dengan mengambil polat pada plat yang sudah di eliminasi. Ketiga proses histogram yaitu menampilkan diagram atau grafik dari hasil pengenalan plat yang di deteksi. Tahap Ekstraksi dilakukan menggunakan PCA. Terdapat num_letras atau jumlah seluruh huruf dan angka yang
PERANCANGAN DAN IMPLEMENTASI
Grayscale RGB memiliki 24 bit. Masing-masing terdiri dari Red, Green, Blue terdiri dari 8 bit. Nilai RGB (Red, Green, Blue) diubah menjadi gambar yang terdiri dari warna putih dan gradiasi warna hitam yang biasa disebut greyscale. Untuk mengubah RGB menjadi greyscale dapat digunakan rumus sebagai berikut: I(x,y) = α.R + β.G + γ.B greyscale = 111R + 109G + 109B R=111(01101111) G=109(01101101) B=109(01101101) greyscale = 0.299R + 0.587G + 0.114B greyscale = 0.299*111 + 0.587*109 + 0.114*190 greyscale = 161,155 Hasil dari nilai keseluruhan pada proses Greyscale dapat dilihat pada lampiran UJI COBA DAN ANALISIS Uji Coba Plat Menggunakan Webcam N Plat Hasil Akuras o i 1 5375RH 72%
2 PRH
15%
3
3 PF535RH
72% B 1 JK
1.80
80%
4 NIS
1.85
80%
B2EFY
1.40
80%
4 5375
57%
4
5 5375RH
72% 5
6 F5375RH
86%
5375RM
86%
JF5375R M
90%
F5RM
57%
F5375RM
100%
7
8
Pada sampel citra plat mobil terdapat 16 citra yang tidak dapat terdeteksi, 55 citra sampel plat mobil dapat terdeteksi. Jumlah keseluruhan sampel citra adalah 71. 𝑎𝑘𝑢𝑟𝑎𝑠𝑖 yang di peroleh pada 𝑑𝑒𝑡𝑒𝑘𝑠𝑖 pengenalan 𝑝𝑙𝑎𝑡 mobil adalah :
9
10
Pada uji coba ke 10, terlihat bahwa deteksi plat menggunakan webcam mendapatkan nilai akurasi 100%. Karena posisi penempatan plat serta cahaya yang di ambil cukup dan dapat terbaca oleh kamera webcam.
Sedangkan pada sampel citra motor terdapat 8 citra yang tidak dapat terdeteksi . 28 citra sampel sepeda motor dapat terdeteksi. Jumlah keseluruhan sampel citra pada plat motor adalah 36. Akurasi yang diperoleh pada deteksi plat motor adalah:
6.2 Plat Nomor Yang Di Deteksi Berupa File Gambar N o
Gambar
Hasil Aplikasi
Waku Detik
Tingkat Keberhasilan
10Z235 SP
1.40
71,42%
B 76 SAI
1.50
75%
1
2
6. KESIMPULAN Tingkat akurasi pada uji coba pengujian pengenalan plat mobil sebesar 77,46%. Sedangkan untuk pengenalan plat motor sebesar 77,77%. Aplikasi ini telah melalui proses uji coba yang terdiri dari uji
coba struktural, uji coba fungsional dan uji coba validasi. Uji coba menggunakan kamera webcam menggunakan 1 contoh plat nomor asli dan kemudian dilakukan pendeteksian sebagai uji coba sebanyak 10 kali untuk mendapatkan hasil yang akurat. Dan pengenalan plat melalui file gambar, nilainilainya akan dibagi dalam bentuk matriks dengan ukuran tertentu sesuai dengan resolusi gambar. Tingkat keberhasilan pengenalan Pola plat nomor kendaraan tergantung
dari ekstraksi pola dan penentuan karakter sementara (Pola target), Apabila terjadi kesalahan dalam penentuan karakter sementara (pola target), akan menyebabkan semakin besar tingkat kesalahan pengenalan karakter tersebut. Dan Aplikasi tidak bisa mendeteksi koordinat plat apabila kondisi plat memiliki warna yang kusam, memiliki bias cahaya, posisi kamera dan plat tidak kurang atau lebih satu meter.
DAFTAR PUSTAKA Andi S, Sigit W, Dwi K.B. 2015. Sistem Pengenalan Plat Nomor Mobil Untuk Aplikasi Informasi Karcis Parkir. ITS Surabaya. Asyira R, Anto SN, Ade J, Ade H. 2010. Principal Component Analysis Sebagai Metode Pencarian Karakter Plat Dalam Sistem Pengenalan Plat Nomer Kendaraan. Universitas Al-Azhar Indonesia. 300-305. Dharu W, Hari W. 2015. Pembuatan Prototipe Sistem Deteksi Plat Kendaraan Bermotor Diindonesia. Universitas Negri Semarang.
Edi S. 2013. Pengenalan Karakter Pada Plat Nomor Kendaraan Berbasis Support Vector Machine. Universitas Dian Nuswantoro Semarang. Ikhwan R, Agus H. 2014. Pengenalan Karakter Plat Nomer Mobil Secara Real Time. UGM Yogyakarta. Vol 7, 35-44. Kusumanto, Alan NP. 2011 Pengolahan Citra Digital Untuk Mendeteksi Objek Menggunakan Pengolahan Warna Model Normalisasi RGB. Seminar Nasional Teknologi Informasi dan Komunikasi. Politeknik Negri Padang. Ottopianus M. 2012. Pengenalan Plat Nomor Polisi Kendaraan Bermotor. Politeknik Manado.
