SISTEM DETEKSI DAN PENGENALAN KARAKTER PADA PLAT NOMOR KENDARAAN DENGAN METODE BACKPROPAGATION
NASKAH PUBLIKASI
diajukan oleh Agus Sri Widodo 10.11.4604
kepada JURUSAN TEKNIK INFORMATIKA SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER AMIKOM YOGYAKARTA YOGYAKARTA 2014
DETECTION SYSTEM AND RECOGNITION CHARACTERS ON THE LICENSE PLATES BY THE BACKPROPAGATION METHOD
SISTEM DETEKSI DAN PENGENALAN KARAKTER PADA PLAT NOMOR KENDARAAN DENGAN METODE BACKPROPAGATION
Agus Sri Widodo Emha Taufiq Luthfi Jurusan Teknik Informatika STMIK AMIKOM YOGYAKARTA ABSTRACT Number plate recognition systems are needed in data collection and security in the parking lot. The continued development of computer technology, the use of computers as one of security system is also growing. Number plate recognition is an intelligent application that is useful to ease the work of man, one application in the parking system. Current parking sysem is still much to be done manually, with records maintained by the parking attendant, It takes innovation to create new detection systems and number plate recognition to facilitate the process of recording the license plate. The developed application created using Artificial Neural Network with Backpropagation method. Car pictures taken with digital cameras offline mode. Picture of the car later identified to find the location of the license plate. After finding the location of the license plate to the next process to segment the character on the license plate number and then number plate recognition process. The experimental results of the detection system and number plate recognition using a data sample of 30 plates, the level of recognition accuracy of 77,44 %. Number plate recognition is influenced by light intensity and also the position of license plates when shooting cars. Keywords : Number Plate Recognition, Backpropagation, Artificial Neural Network
1.
Pendahuluan Perkembangan teknologi pada sisi perangkat keras dan perangkat lunak yang
semakin hari memperlihatkan perkembangan yang sangat pesat dan cepat dalam berbagai hal. Perkembangan teknologi juga terdapat pada sistem parkir yang sudah dilakukan secara automatisasi. Sistem parkir dilengkapi dengan kamera yang digunakan untuk menangkap plat nomor kendaraan ketika masuk ke area parkir. Sistem parkir yang ada sekarang masih banyak yang dilakukan secara manual, dengan pencatatan yang dilakukan oleh petugas parkir. Sistem parkir manual menimbulkan antrian yang panjang. Sistem manual juga sering terjadi kesalahan yang dilakukan oleh petugas parkir dalam pencatatan nomor kendaraan bermotor. Banyaknya sistem parkir yang masih manual merupakan kesempatan yang baik untuk membuat sistem parkir yang bisa bekerja secara otomatis dan bisa membantu meningkatkan pelayanan dalam sistem parkir. Pengenalan karakter berdasarkan citra plat nomor kendaraan yang ditangkap oleh kamera digital. Citra digital yang dihasilkan kemudian masuk ke dalam komputer dan citra tersebut di kenali dan menghasilkan data plat nomor kendaraan sesuai dengan plat nomor kendaraan yang masuk ke area parkir. Sehingga dengan pembuatan sistem deteksi dan pengenalan karakter pada plat nomor kendaraan ini, diharapkan bisa dikembangkan menjadi software sistem parkir yang bisa meningkatkan pelayanan di dalam sistem parkir. 2.
Landasan Teori
2.1.
Citra Digital Citra digital merupakan sebuah larik (array) yang berisi nilai-nilai real maupun
komplek yang dipresentasikan dengan deretan bit tertentu. Suatu citra dapat didefinisikan sebagai fungsi f(x,y) berukuran M baris dan N kolom, dengan x dan y adalah koordinat spasial, dan amplitude f di titik koordinat (x,y) dinamakan intensitas atau tingkat keabuan dari citra pada titik tersebut. Apabila nilai (x,y), dan nilai amplitude f secara keseluruhan berhingga (finite) dan bernilai diskrit maka dapat dikatakan bahwa citra tersebut adalah citra digital.(Darma Putra, 2010:19) 2.2.
Jaringan Saraf Tiruan (JST) Menurut Andri Kristanto (2004:2) Jaringan Saraf Tiruan (artificial neural networks)
atau disingkat JST adalah sistem komputasi dimana arsitektur dan operasi diilhami dari pengetahuan tentang sel saraf biologi dalam otak. JST dapat digambarkan sebagai model matematis dan komputasi untuk fungsi aproksimasi nonlinear, klasifikasi data, cluster dan regresi non parametric atau sebagai simulasi dari koleksi model saraf biologi
2.3.
Metode Backpropagation Metode backpropagation merupakan metode yang sangat baik dalam menangani
masalah pengenalan pola-pola kompleks. Istilah βbackpropagationβ diambil dari cara kerja jaringan ini, yaitu bahwa gradien error unit-unit tersembunyi diturunkan dari penyiaran kembali error-error yang diasosiasikan dengan unit-unit output. Hal ini karena niai target untuk unit-unit tersembunyi tidak diberikan.(Diyah Puspitaningrum, 2006:125) 2.4.
Data Flow Diagram (DFD) Data Flow Diagram (DFD) adalah suatu model logika data atau proses yang
dibuat untuk menggambarkan dari mana asal data dan kemana tujuan data yang keluar dari sistem, dimana data disimpan, proses apa yang menghasilkan data tersebut dan interaksi antara data yang tersimpan dan proses yang dikenakan pada data tersebut. DFD menunjukan hubungan antar data pada sistem dan proses pada sistem. Dengan kata lain DFD merupakan suatu cara untuk menggambarkan bagaimana data diproses dalam sebuah sistem (Sommerville, 2007). 2.5.
Perangkat Lunak yang Digunakan
2.5.1.
NetBeans Menurut Diostita Tri Oktora (2013,43) NetBeans mengacu pada dua hal, yakni
platform untuk pengembangan aplikasi desktop java dan sebuah Intregated Development Environment (IDE) yang dibangun menggunakan platform NetBeans. Platform NetBeans memungkinkan aplikasi dibangun dari sekumpulan komponen perangkat lunak moduler yang disebut βmodulβ. Sebuah modul adalah suatu arsip Java (Java Archive) yang memuat kelas-kelas Java untuk berinteraksi dengan NetBeans
open API dan file
manifestasi yang mengidentifikasikannya sebagai modul. Aplikasi yang dibangun dengan modul-modul dapat dikembangkan dengan menambahkan modul-modul baru. Karena modul dapat dikembangkan secara independen, aplikasi berbasis platform NetBenas dapat dengan mudah dikembangkan oleh pihak ketiga secara mudah dan powerful. NetBeans IDE adalah IDE open source yang ditulis sepenuhnya dengan bahasa java menggunakan platform NetBeans. NetBeans IDE mendukung pengembangan semua tipe aplikasi Java (J2SE, WEB, EJB, dan Aplikasi Mobile). Fitur lainnya adalah sistem proyek berbasis Ant, kontrol versi, dan refactoring. 3.
Analisis dan Perancangan Analisis dan perancangan sistem merupakan tahap yang penting dalam
mengaplikasikan suatu konsep, baik dalam bentuk program ataupun alat agar dalam pembuatannya dapat berjalan secara sistematis, terstruktur, dan rapi sehingga hasil program dapat berjalan sesuai dengan apa yang dikehendaki. Pembuatan program ini diawali dengan tahap pelatihan, dalam tahap pelatihan ini terdapat beberapa proses yaitu proses deteksi lokasi plat nomor, proses pengolahan citra, serta proses pelatihan JST
backpropagation. Dalam tahap pelatihan ini akan diperoleh nilai bobot pelatihan yang nantinya akan digunakan untuk proses identifikasi citra dalam tahap pengenalan. Proses selanjutnya dari program ini adalah tahap pengenalan. Dalam tahap pengenalan juga melalui beberapa proses antara lain deteksi lokasi plat nomor, pengolahan citra, dan proses pengenalan JST backpropagation. Pada tahap pengenalan ini akan menggunakan nilai bobot yang telah didapatkan dari proses pelatihan JST backpropagation sebelumnya. Dalam proses pengenalan ini akan membandingkan antara nilai hasil pengenalan JST dengan nilai bobot yang terdapat pada proses pelatihan. Pemilihan karakter yang sesuai ditentukan dengan selisih nilai terkecil dari setiap perbandingan dengan nilai bobot yang terdapat pada proses pelatihan. 3.1.
Analisis Kebutuhan Fungsional Kebutuhan fungsional merupakan kebutuhan yang berkenaan langsung dengan
proses yang yang dilakukan oleh sistem. Dengan demikian sistem diharapkan mampu melakukan fungsi sebagai berikut : 1. Sistem mampu mendeteksi dan mengenali plat nomor kendaraan. 2. Sistem mampu menyimpan data plat nomor kendaraan yang sudah dikenali, sehingga jika dilakukan pengenalan plat nomor yang sama prosesnya menjadi lebih cepat. 3.2.
Analisis Kelayakan Teknologi Sistem ini secara teknik sangat layak, karena sistem ini tidak membutuhkan
pengetahuan khusus untuk bisa menggunakannya. Selain itu, teknologi yang digunakan juga sangat memadai dan mudah untuk didapatkan. 3.3.
Analisis Kelayakan Operasional Sistem ini mampu memenuhi tujuan dari pembuatan sistem itu sendiri yaitu
mengenali plat nomor secara otomatis dan digunakan sebagai software sistem parkir. Dengan kemampuan sistem pengenalan plat nomor otomatis, sistem ini mampu menjawab permasalahan yang terjadi yaitu pencatatan plat nomor secara manual yang membutuhkan waktu lama. 3.4.
Deteksi Plat Nomor Langkah pertama dalam proses pengenalan plat nomor menurut Ondrej
Martinsky (2007) adalah deteksi area plat nomor. Dalam hal ini dibutuhkan algoritma yang mampu mendeteksi area persegi dari plat nomor dalam gambar asli. Plat nomor sebagai area persegi panjang yang memiliki tepi horizonal dan vertikal yang pada banyak kasus memiliki area kecil disebabkan oleh karakter kontras plat nomor, tetapi tidak dalam setiap kasus. Proses ini kadang-kadang dapat mendeteksi area yang salah yang tidak sesuai dengan plat nomor. Sehingga sering didapatkan beberapa kandidat yang
kemudian dipilih yang terbaik dengan analisis heuristik lebih dalam. 3.5.
Proses Pengujian Jaringan Syaraf Tiruan Backpropagation Pada tahap pengujian kemampuan jaringan menurut Adfriansyah (2012) dalam
penelitiannya untuk mengenali pola dilakukan dengan memberikan input berupa nilai numerik dari pengolahan citra. Adapun bobot yang digunakan merupakan bobot hasil pelatihan. Kemudian dihitung nilai keluaran di unit tersembunyi dan dilanjutkan dengan menghitung nilai keluaran di unit keluaran. Hasil dari unit keluaran dibandingkan apakah lebih besar dari 0.5, jika lebih besar maka dirubah menjadi 1 dan jika lebih kecil dirubah mejadi 0. Kemudian nilai-nilai keluaran tersebut dibandingkan dengan nila karakter yang ada. Selanjutnya sistem akan menampilkan karakter yang berhasil dikenali. Mulai
Input nilai numerik, bobot pelatihan
Nilai keluaran di unit tersembunyi
Nilai keluaran di unit keluaran
Output nilai keluaran = 0
Tidak
Nilai keluaran > 0.5
Ya
Output nilai keluaran = 1
Pembaruan karakter
Output karakter yang dikenali
Selesai
Gambar Flowchart pengujian Jaringan Syaraf Tiruan Backpropagation 4.
Implementasi Berdasarkan
hasil analisis dan perancangan yang telah dilakukan, maka
dilakukan implementasi
sistem deteksi dan pengenalan karakter pada plat nomor
kendaraan dengan metode backpropagation kedalam bentuk program menggunakan NetBeans 7.1.1. Pada bab sebelumnya sudah dijelaskan mengenai cara kerja dari
aplikasi yang dibangun menggunakan jaringan syaraf tiruan ini terdiri dari dua proses yaitu pelatihan dan pengujian. 4.1.
Pengujian Sistem Setelah melakukan implementasi, maka selanjutnya adalah melakukan uji coba
terhadap sistem yang sudah dibuat. Adapun tujuan dari uji coba ini adalah untuk mengetahui apakah aplikasi yang telah dibuat sudah sesuai dengan kebutuhan. Pada tahap pengujian ini akan ditampilkan hasil dari pengujian jaringan syaraf tiruan. Tabel pengujian plat nomor kendaraan Nilai
Pengenalan
Akurasi (%)
1
B 105 H
B105H
100 %
2
B 2575 HJ
B25Z5H3
71,4 %
3
B 1047
B10X7WFZ
75 %
No
Gambar Plat Nomor
WFI
Nilai memorisasi didapatkan dengan perhitungan sebagai berikut:
πππππππ ππ π % = 5.
ππ’πππβ ππππ π¦πππ ππππππππ Γ 100% ππ’πππβ ππππ πππππ‘πβππ
Kesimpulan Berdasarkan hasil analisis dan pengujian yang dilakukan pada bab sebelumnya,
maka kesimpulan yang dapat diambil adalah sebagai berikut: 1. Hasil pengujian terkendala pencahayaan yang ada pada citra input jika kondisi pencahayaan baik atau cerah maka karakter mudah untuk dikenali, tetapi jika pencahayaan kurang karakter pada citra input susah untuk dikenali. 2. Posisi mobil saat pengambilan citra sebagai input juga berpengaruh untuk sempurnanya pengenalan karakter pada plat nomor mobil tersebut, seperti posisi citra miring dan posisi pengambilan tidak tegak lurus. 3. Hasil rata-rata pengenalan karakter pada plat nomor kendaraan sebesar 77,44 % dari 30 plat nomor pengujian.
Daftar Pustaka Adfriansyah. 2012.Pengenalan Karakter Pada Plat Nomor Kendaraan Dengan Metode Backpropagation.Skripsi. Medan, Indonesia: Universitas Sumatera Utara. Hermawan, Benny. 2004. Menguasai Java 2 & Object Oriented Programing. Yogyakarta: Andi Yogyakarta. Kristanto, Andri. 2004. Jaringan Saraf Tiruan (Konsep Dasar, Algoritma dan Aplikasi). Yogyakarta: Gava Media. Martinsky, O. 2007.Algorithmic And Mathematical Principles Of Automatic Number Plate Recognition Systems. Thesis. Brno, Republik Cheska: Brno University Of Technology. Oktora, D.T . 2013. Pembuatan Sistem Informasi Pada Klinik Bright Dental Care Berbasis Java. Sleman, Yogyakarta : Stmik Amikom Yogyakarta. Puspitaningrum, Diyah. 2006. Pengantar Jaringan Saraf Tiruan.Yogyakarta: Andi Yogyakarta. Putra, Darma. 2010. Pengolahan Citra Digital.Yogyakarta:Andi Yogyakarta. Sommerville, I. 2007. Software Engineering. 8th Edition. England: Pearson Education.