APLIKASI PEMBACAAN PLAT NOMOR KENDARAAN MENGGUNAKAN OPTICAL CHARACTER RECOGNITION (OCR)

Transkripsi

1 APLIKASI PEMBACAAN PLAT NOMOR KENDARAAN MENGGUNAKAN OPTICAL CHARACTER RECOGNITION (OCR) Rusdi Efendi 1, EndinaPutriPurwandari 2, FauzanAzhmiSiregar 3 1,2,3 Program Studi Teknik Infomatika, Fakultas Teknik, Universitas Bengkulu. Jl. WR. Supratman Kandang Limun Bengkulu 38371A INDONESIA (telp: ; fax: ) rusdi.efendi@unib.ac.id 1, endinaputri@unib.ac.id 2, fadlan.ahmad5@gmail.com ABTRACT The research purpose is to apply Optical Character Recognition (OCR) method to detect vehicle plate. This application developed in Android platform using JAVA IDE eclipse Juno. The experiment result shows that OCR method can recognize 100% characters on the vehicle plate. Image processing implemented in this application could improve identification performance about 87.82% in different lighting situations. The results of OCR were influenced by many factors, such as noise, light density, angle slope, and lighting situations. The average time needed to process the plate identification about seconds. Keywords Optical Character Recognition, Plat nomor kendaraan, Android, Mobile 1. Pendahuluan Kendaraan adalah sebuah sarana transportasi yang banyak digunakan untuk mempermudah perpindahan dari satu tempat ke tempat yang lain dalam waktu yang relatif singkat. Identitas sebuah kendaraan adalah plat nomor yang dikeluarkan oleh lembaga terkait sebagai tanda pengenal untuk membedakan sebuah kendaraan dengan kendaraan lain. Nomor seri pada setiap plat nomor kendaraan berbeda di setiap wilayah di Indonesia yang disesuaikan dan dibagi berdasarkan provinsi yang terdaftar dalam wilayah Indonesia. Nomor seri sebelum nomor kendaraan menunjukkan wilayah provinsi pendaftaran kendaraan, sedangkan nomor seri setelah nomor kendaraan menunjukkan sub-wilayah dari satu provinsi. Pembacaan plat nomor kendaraan yang akan dirancang dan dibangun dalam penelitian ini menggunakan Android operating system. Penggunaan Android dipilih karena semakin pesatnya perkembangan Android itu sendiri khususnya sebagai operating system pada smartphone dan gadget yang banyak beredar dipasaran. Hal inilah yang menjadi pertimbangan pemilihan Android sebagai dasar pembuatan aplikasi pembacaan plat nomor kendaraan. Dengan adanya aplikasi berbasis Android dalam pembacaan plat nomor kendaraan diharapkan dapat membantu dan mempermudah proses pekerjaan lembaga atau instansi yang pekerjaannya membutuhkan informasi tentang plat nomor kendaraan. Metode yang digunakan dalam pengenalan plat nomor kendaraan pada penelitian ini adalah optical character recognition (OCR). Metode ini digunakan untuk memudahkan dalam menganalisa semua bentuk objek citra yang akan diambil. Objek citra tersebut menjadi sebuah masukan untuk dianalisa dan diproses oleh aplikasi. Setiap karakter citra yang diproses kemudian dikenali dan di identifikasi hingga menghasilkan keputusan dalam pengenalan karakter yang terdapat pada plat nomor tersebut. Bidang pengenalan pola ini merupakan solusi bagaimana cara mengenali suatu citra. Penelitian sebelumnya yang berhubungan dengan topic pembahasan dan dijadikan bahan untuk melakukan pengembangan penelitian ini adalah sebagai berikut : Penelitian pertama yang dilakukan oleh[1], aplikasi yang diterapkan berupa aplikasi pembacaan plat nomor kendaraan berbasis dekstop menggunakan metode template matching. Pada penelitian ini, metode Template Matching dapat mengenali karakter yang ada dengan cukup baik. Pengenalan ini sangat bergantung pada Noise yang ada pada plat kendaraan. Tingkat kesuksesan pembacaan plat kendaraan menggunakan metode ini, berkisar antara 35%-87.5% Sementara pada penelitian yang dilakukan[2], aplikasi pengenalan plat nomor kendaraan yang diterapkan berbasis Neural Networks dengan metode Connected Component Labelling dan K- Nearest Neighbor. Dalam penelitian ini menghasilkan tingkat keberhasilan pengenalan karakter sebesar 77,68% dari 457 karakter yang diuji dengan rata-rata waktu proses 81

2 yaitu 14,8 detik. Pemanfaatan OCR juga telah dilakukan oleh[3] dalam penggunaan recognition algorithm untuk OCR. Penelitian mengenai transformasi citra serta rekonstruksi citra dengan mesin OCR dilakukan oleh[4]. Dalam penelitian[5] Optical Character Recognition dilakukan dengan menggunakan algoritma Backpropagation, begitu juga pada penelitian yang dilakukan[6]. Penelitian yang dilakukan[7] menguraikan tentang simulasi pembacaan plat nomor kendaraan yang merujuk tentang pembentukan karakter pada sebuah citra, dengan hasil keluaran berupa citra. Proyek tersebut dibuat dengan sebuah sistem untuk membaca sebuah plat nomor dengan menggunakan Metode Get Image Chars, operasi Negasi dan Operasi Cropping untuk mendeteksi posisi plat. Operasi Negasi berfungsi menegasikan citra kemudian yang kemudian di cropping.proses Get Image Char untuk mengubah dari bentuk citra plat nomor menjadi teks atau karakter. Tingkat keberhasilan sistem pembacaan plat nomor adalah 25% sampai 100% dari beberapa sampel data yang telah dipakai. 2. Landasan teori 2.1 Plat kendaraan Plat nomor kendaraan merupakan sebuah pengenal kendaraan yang wajib digunakan oleh setiap kendaraan bermotor. Plat nomor kendaraan telah digunakan sejak zaman Hindia Belanda berdasarkan wilayah karesidenan. Plat kendaraan bermotor, dibagi berdasarkan wilayah Kabupaten dan Kota tempat kendaraan bermotor berlokasi, dan dibedakan menggunakan huruf alphabet. 2.2 Optical Character Recognition (OCR) Optical Character Recognition. (OCR) merupakan aplikasi yang berfungsi untuk men scan gambar pada image dan dijadikan text, dan aplikasi ini juga bisa menjadi support/aplikasi tambahan untuk scanner. Dengan adanya OCR, Image yang bertulisan tangan, tulisan mesin ketik atau computer text, dapat dimanipulasi. Dalam proses pengenalan nomor Pelat Kendaraan berdasarkan beberapa langkah yakni :scanning, pre-processing, segmentation, normalization, feature extraction, recognition.[8] Tahapan pertama pada proses pembacaan Plat nomor kendaraan adalah proses pengambilan gambar (capture image) melalui media kamera digital. Setelah data gambar diperoleh dilakukan proses pre-processing. Proses preprocessing terdiri dari proses grayscaling dan binerisasi. Grayscalling adalah teknik yang digunakan untuk mengubah citra berwana (RGB) menjadi bentuk grayscale atau tingkat keabuan (dari hitam ke putih). Dengan pengubahan ini, matriks penyusun citra yang sebelumnya 3 matriks akan berubah menjadi 1 matriks saja. Untuk mengubah citra berwarna yang mempunyai nilai matriks masing-masing, dan menjadi citra grayscale dengan nilai, maka konversi dapat dilakukan dengan mengambil rata-rata dari nilai, dan sehingga dapat dituliskan pada persamaan (1) berikut : Binerisasi adalah proses mengubah citra berderajat keabuan menjadi citra biner atau hitam putih sehingga dapat diketahui daerah mana yang termasuk obyek dan background dari citra secara jelas. Kedua proses ini dilakukan untuk mengubah intensitas pixel. Proses ini menghasilkan citra dengan warna biner yaitu hitam dan putih. Langkah selanjutnya adalah proses segmentasi. Proses segmentasi terdiri dari segmentasi baris dan segmentasi karakter. Segmentasi karakter dilakukan dengan menggunakan metode connected component analysis. Connected component analysis bekerja dengan cara memeriksa intensitas pixel di sekitar pixel yang sedang dianalisis. Segmentasi adalah proses memisahkan area pengamatan (region) pada tiap karakter yang dideteksi. Setelah proses segmentasi dilakukan proses normalisasi. Dalam proses normalisasi terdapat beberapa tahapan diantaranya: scalling dan thinning. Dalam tahapan scalling berfungsi untuk mengubah ukuran suatu gambar baik untuk perbesaran (scalling) maupun memperkecil (shrink) ukuran gambar. Pada penelitian ini, citra diskalakan sehingga memiliki resolusi 10 x 12 pixel. Feature extraction merupakan salah satu cara untuk mengenali suatu objek dengan melihat ciri-ciri khusus yang dimiliki objek tersebut. Tujuan dari feature extraction adalah melakukan perhitungan dan perbandingan yang bisa digunakan untuk mengklasifikasikan ciri-ciri yang dimiliki oleh suatu citra. Gambar 1 Ilustrasi feature extraction Gambar 1 merupakan ilustrasi citra karakter dengan ciri-cirinya. Ciri-ciri dari masing-masing citra template akan di simpan. Citra masukan yang akan dibandingkan akan dianalisis berdasarkan ciriciri citra. Ciri-ciri yang 82

3 dimiliki citra masukan akan diklasifikasikan terhadap ciriciri citra template.sebelum mengambil ciri dari suatu citra karakter, maka citra karakter tersebut harus dicari batas kanan, kiri, atas, dan bawahnya terlebih dahulu. Karakteristik ciri-ciri ini digunakan dalam mendeskripsikan sebuah obyek atau atribut dari sebuah obyek, kemudian fitur yang dimiliki oleh karakter dapat digunakan sebagai proses recognition. Dengan menyesuaikan ukuran dari gambar karakter dengan menggunakan template karakter yang dimiliki oleh library. Jika proses ini berhasil maka langkah selanjutnya adalah mebandingkan antara gambar karakter dengan templatenya. Jika berhasil maka akan didapatkan hasil berupa karakter tersebut 3. Hasil dan pembahasan A. Implementasi Sistem Pada tahap implementasi, hal pertama yang dilakukan adalah pembahasan mengenai langkah-langkah pengerjaan dari aplikasi ini yang di terapkan pada Smartphone Android yang di bangun dengan software Java IDE Eclipse Juno dengan bahasa pemrograman Java dan XML. Tahapan pembacaan plat nomor kendaran pada penelitian ini dilakukan dengan meggunakan 5 tahapan, yakni : scanning, segmentation, normalization, feature extraction, recognition. Tahapan pertama adalah proses pengambilan citra digital melalui kamera digital smart phone. Kemudian sistem melakukan pre-processing untuk menyesuaikan citra yang telah diambil agar sesuai untuk proses selanjutnya. Pre-processing yang dilakukan berupa cropping atau pemotongan wilayah nomor plat dengan wilayah background. Pemotongan ini dilakukan dengan cara thresholding melalui pengaturan nilai ambang antara background dengan nilai ambang wilayah nomor plat. Selanjutnya proses pendeteksian tepi (segmentation) untuk menghasilkan citra tepi dari objek citra input. Tepi citra akan memiliki perbedaan yang tinggi dengan warna background. Perbedaan intensitas warna ini diperoleh melalui High Pass Filter, dengan menggunakan matriks masking filter. Langkah selanjutnya adalah feature extraction. Setelah mendapatkan citra hasil deteksi tepi, kemudian setiap karakter akan dilakukan pencocokan dengan citra yang ada di database citralatih. Proses pencocokan dengan menyesuaikan ukuran citra karakter dengan template karakter yang ada di library. Jika hasil pencocokan berhasil maka langsung menampilkan output hasil pembacaan plat nomor. B. Pengujian Sistem Setelah tahap implementasi sistem, tahap selanjutnya yaitu pengujian sistem. Pengujian sistem terdiri dari dua pengujian, yaitu pengujian White Box dan pengujian Black Box. a. Pengujian White Box Pengujian whitebox, merupakan pengujian yang dilakukan untuk melakukan pengujian pada baris kode program untuk melihat apakah baris program yang dikembangkan sesuai dengan yang ada pada rancangan antarmuka dan sistem. Pengujian whitebox, dilakukan pada tahapan pengembangan program. b. Pengujian Black Box Pengujian black box dilakukan untuk menguji apakah sistem yang dikembangkan sesuaidengan spesifikasi fungsional sistem. Pengujian black box juga digunakan untuk menguji fungsi-fungsi yang ada pada sistem yang dibangun 1. Pengujian Pembacaan Plat Nomor Kendaraan Pembacaan plat nomor kendaraan pada aplikasi ini menggunakan Metode Optical Character Recognition (OCR). Pengujian ini dilakukan pada plat nomor kendaraan dengan bermacam warna background, seperti warna hitam untuk kendaraan umum, warna kuning untuk kendaraan angkutan umum, dan warna merah untuk kendaraan dinas negara. Pada pengujian ini, lebih ditekankan pada karakter apa saja yang ada dan terdapat pada plat nomor kendaraan. Persentase keberhasilan pada penggunaan algoritma ini, dihitung dari berapa jumlah karakter yang mampu dikenali pada plat nomor kendaraan. Semakin banyak karakter yang mampu dikenali dan terbaca pada plat yang diproses, maka semakin besar presentase keberhasilan aplikasi. Pengujian dilakukan dengan menggunakan plat yang diambil pada kondisi pencahayaan yang berbeda yaitu pada pagi, siang, dan sore hari. Pengujian dengan perbedaan kondisi pencahayaan ini untuk mengetahui pengaruh intensitas cahaya pada saat pengambilan citra terhadap kemampuan sistem dalam membaca plat nomor kendaraan. a) Pembacaan Plat Nomor Kendaraan pada Pagi Hari Pada pagi hari pencahayaan cenderung lebih baik dibandingkan pada siang hari. Tekstur plat Indonesia yang berwarna hitam, merah, dan kuning mengkilat, akan membuat pencahayaan sangat berpengaruh pada proses pembacaan plat nomor kendaraan. Pada Gambar 2, ditampilkan hasil dari proses pembacaan plat nomor kendaraan pada pagi hari. 83

4 hasil pembacaan menjadi salah atau bahkan tidak terbaca sama sekali. Gambar2 Hasil Pembacaan Plat Nomor Kendaraan Pagi Hari Dari hasil pembacaan plat nomor kendaraan terlihat bahwa terdapat satu huruf yang salah dan digantikan dengan huruf J dengan lama proses eksekusi pengenalan karakter selama 3,813 detik. Kesalahan pembacaan dapat terjadi, jika plat yang dibaca memiliki pencahayaan yang kurang baik, atau kualitas plat yang kurang baik. Faktor lainnya adalah kualitas dari kamera itu sendiri. b) Pembacaan Plat Nomor Kendaraan pada Siang Hari Pada siang hari pencahayaan cenderung lebih terang dibandingkan pada pagi hari, dengan intensitas cahaya yang lebih besar. Dengan semakin besar pencahayaan yang diterima oleh citra maka ada nilai dari matriks yang berubah ketika citra diubah kedalam format Grayscale, karena bagian yang terkena cahaya berlebih akan terlihat lebih putih dari pada bagian lain dari plat kendaraan. Pada Gambar3, ditampilkan hasil dari proses pembacaan plat nomor kendaraan pada siang hari. c) Pembacaan Plat Nomor Kendaraan pada Sore Hari Pada sore hari percobaan yang dilakukan pada sore hari, hasil yang diperoleh tidak jauh berbeda dengan percobaan pada pagi dan siang hari. Namun dari hasil yang diperoleh banyak plat yang menghasilkan karakter yang tidak ada pada plat nomor kendaraan yang diakibatkan oleh noise pada kendaraan tersebut baik karena dipengaruhi oleh intensitas cahaya ataupun dari keadaan plat kendaaan tersebut. Pada Gambar 4, ditampilkan hasil dari proses pembacaan plat nomor kendaraan pada sore hari. Gambar 4 Hasil Pembacaan Plat Nomor Kendaraan Sore Hari Dari hasil pembacaan plat nomor kendaraan terlihat bahwa terdapat dua huruf yang salah dan digantikan dengan karakter 1 dan 7 dengan lama proses eksekusi pengenalan karakter selama 2,689 detik. d) Hasil Pengujian Pembacaan Karakter Berdasarkan pengujian yang dilakukan pada pagi, siang, dan sore hari terlihat bahwa terdapat beberapa karakter yang salah dikenali dalam pembacaan karakter. Jumlah karakter tersebut dapat dilihat pada Tabel 1. Gambar3 Hasil Pembacaan Plat Nomor Kendaraan Siang Hari Dari hasil pembacaan plat nomor kendaraan terlihat bahwa terdapat satu huruf yang salah dan digantikan dengan huruf I dan P dengan lama proses eksekusi pengenalan karakter selama 2,594 detik. Hasil pembacaan plat kendaraan tidak sepenuhnya berhasil, karena terdapat bagian yang terlalu cerah pada saat pengambilan gambar. Pencahayaan ini menyebabkan Tabel1 HasilPengujianPembacaanKarakter Plat Kendaraan Jumlah Karakter Benar Total S : Persentase Karakter (B), Salah (S) Total Kesalahan Pagi Siang Sore Karakte Pembacaa B : S B : S B : S r n A 3 : 0 5 : 0 1 : 1 1 : 10 10% B 18 : 4 17 : 4 22 : 2 10 : 67 14,9% C 6 : 2 2 : 0 8 : 0 2 : 18 11,1% D 12: 7 19 : 3 16 : 5 15 : 62 24,1% E 5 : 1 6 : 0 6 : 0 1 : 18 5,5% F 0 : 0 2 : 0 0 : 0 0 : 2 0% G 1 : 0 1 : 0 1 : 0 0 : 3 0% H 2 : 0 2 : 0 2 : 0 0 : 6 0% I 1 : 0 1 : 0 0 : 0 0 : 2 0% J 0 : 0 0 : 0 0 : 0 0 : 0 0% 84

5 Karakter Jumlah Karakter Benar (B), Salah (S) Pagi Siang Sore B : S B : S B : S Total S : Total Karakte r Persentase Kesalahan Pembacaa n K 0 : 0 2 : 0 1 : 0 0 : 3 16,6% L 4 : 0 1 : 0 1 : 0 0 : 6 0% M 0 : 0 5 : 0 1 : 0 0 : 6 14,2% N 2 : 0 2 : 0 1 : 0 0 : 5 0% O 0 : 0 0 : 0 0 : 0 0 : 0 0% P 2 : 0 0 : 0 1 : 0 0 : 3 0% Q 0 : 2 0 : 0 1 : 0 2 : 3 66,6% R 1 : 2 0 : 0 0 : 0 2 : 3 66,6% S 3 : 0 1 : 0 0 : 0 0 : 4 0% T 0 : 0 0 : 0 0 : 0 0 : 0 0% U 0 : 0 1 : 0 2 : 0 0 : 3 0% V 0 : 0 1 : 0 2 : 0 0 : 3 0% W 0 : 0 2 : 0 0 : 0 0 : 2 0% X 0 : 0 0 : 0 0 : 0 0 : 0 0% Y 0 : 0 0 : 0 3 : 1 1 : 4 25% Z 0 : 0 2 : 0 0 : 0 0 : 2 0% 0 4 : 0 3 : 0 6 : 0 0 : 13 0% 1 12 : 0 9 : 0 11 : 1 1 : 33 4,2% 2 7 : 0 18 : 0 14 : 0 0 : 39 0% 3 10 : 1 8 : 0 10 : 0 1 : 29 3% 4 5 : 2 11 : 0 4 : 0 2 : 22 9% 5 5 : 0 9 : 0 9 : 0 0 : 23 0% 6 8 : 4 8 : 0 3 : 2 6 : 25 24% 7 8 : 0 3 : 0 8 : 0 0 : 19 0% 8 7 : 0 7 : 0 8 : 0 0 : 22 0% 9 6 : 1 4 : 0 3 : 0 1 : 14 7,1% TOTAL KARAKTER 474 Berdasarkan pengujian yang dilakukan pada pagi, siang dan sore hari diperoleh total karakter sebanyak 474 karakter dengan masing-masing jumlah karakter sebagaimana telah disebutkan pada tabel 1. Persentase kesalahan pembacaaan dihitung berdasarkan jumlah kemunculan suatu karakter dengan jumlah salah pembacaan karakter itu sendiri. Misalkan karakter Q pada saat pengujian muncul sebanyak 3 kali dan hasil pembacaan pada karakter tersebut salah sebanyak 2 kali, karakter B muncul sebanyak 67 kali dan hasil pembacaan karakter tersebut salah sebanyak 10 kali, begitu juga dengan karakter-karakter yang lain. 2. Pengujian Tingkat Keberhasilan Pembacaan Keberhasilan pembacaan aplikasi dari mengenali dan membaca karakter pada plat kendaraan dapat dihitung berdasarkan hasil pembacaan karakter plat pada pagi, siang dan sore hari. Pada pengujian ini menggunakan sebanyak (n) 20 sampel plat nomor pada masing-masing 3 kondisi berbeda.secara umum tingkat keberhasilan atau persentase keberhasilan aplikasi dalam mengenali dan membaca karakter pada plat kendaraan adalah sebagai berikut: a) Waktu Proses Rata-rata waktu proses yang dibutuhkan aplikasi untuk membaca dan mengenali karakter pada plat kendaraan menggunakan persamaan (2) sebagai berikut : (2) Dimana t adalah waktu proses masing-masing sampel pengujian dan n = jumlah sampel yang digunakan. Berdasarkan pengujian waktu proses pada 3 (tiga) kondisi berbeda didapatkan hasil sebagai berikut : Tabel 2 waktu rata rata proses Kondisi Rata-rata waktu Pagi 3,736 s Siang 3,354 s Sore 2,946 s Total waktu rata-rata 3,345 s b) Persentase Keberhasilan Rata-rata persentase keberhasilan aplikasi dalam membaca dan mengenali karakter pada plat kendaraan menggunakan persamaan (3) berikut : Dimana K adalah persentase keberhasilan pada masing-masing sampel pengujian dan n = jumlah sampel yang digunakan. Berdasarkan pengujian Persentase keberhasilan pada 3 (tiga) kondisi berbeda didapatkan hasil sebagai berikut : Tabel 2 waktu rata rata proses Kondisi % keberhasilan Pagi 75,45 % Siang 95,62 % Sore 92,41 % Total Persentase 87,82 % Keberhasilan c) Intensitas cahaya Pengujian yang dilakukan pada saat pagi, siang, dan sore hari dengan intensitas cahaya minimum sebesar 5721 lx dan intensitas cahaya maksimum sebesar lx, 4. Kesimpulan Berdasarkan pengujian yang dilakukan maka dapat disimpulkan bahwa : 1. Pembacaan karakter menggunakan algoritma Optical Character Recognition (OCR) akan salah jika pada plat kendaraan terdapat gangguan (noise) yang terlalu besar, bahkan karakter pada plat kendaraan tidak dapat dikenali sama sekali. Noise yang mengganggu ini antara lain adalah kondisi plat kendaraan itu sendiri, 85

6 ukuran dan bentuk baut yang digunakan, pencahayaan yang berlebih, dan kotoran yang menempel pada plat nomor kendaraan. 2. Akurasi pembacaan karakter plat nomor kendaraan menggunakan metode ini dengan rata-rata keberhasilan pembacaan 87,82%, waktu pembacaan plat uji pagi, siang, dan sore hari selama 2-6 detik dengan rata-rata waktu pembacaan 3,345 s. 3. Berdasarkan Intensitas cahaya Pengujian yang dilakukan pada saat pagi, siang, dan sore hari dengan intensitas cahaya minimum sebesar 5721 lx dan intensitas cahaya maksimum sebesar lx, dengan rata-rata intensitas cahaya pada saat pengujian dilakukan adalah Endina Putri Purwandari S.T., M.Kom., dilahirkan Di Kota Bengkulu tanggal 27 Januari Penulis menyelesaikan S1 Di program studi Teknik Informatika, Fakultas Teknik, Universitas Bengkulu tahun Pada tahun 2011 berhasil menyelesaikan S2 Di Magister Ilmu Komputer, Universitas Indonesia. Hingga saat ini Penulis aktif sebagai dosen Di Program Studi Sistem Informasi, Fakultas Teknik, Universitas Bengkulu Fauzan Azhmi Siregar menyelesaikan S1 di Program studi Teknik Informatika, Fakultas Teknik, Universitas Bengkulu pada Tahun REFERENSI [1]. D. Satria, "Aplikasi Pembacaan Plat Nomor Kendaraan Menggunakan Metode Template Mathing," Skripsi Teknik Informatika Universitas Bengkulu, 2014 [2]. T. Mardiana, "Pengenalan Plat Nomor Kendaraan Menggunakan Metode Connected Component Labeling dan K-Nearest Neighbor," Skripsi Teknik Informatika Universitas Tanjungpura, [3]. K. Safronov, I. Tchouchenkov and H. Wörn, "Optical Character Recognition Using Optimisation Algorithms," Proceedings of the Ninth International Workshop on Computer Science and Information Technologies, Russia, [4]. Q. Chen, "Evaluation of OCR Algorithms for Images with Different Spatial Resolutions and Noises," Doctoral dissertation, p. University of Ottawa (Canada), [5]. S. Sharma and N. Singh, "Optical Character Recognition Using Artificial Neural Networks Approach," International Journal of Emerging Technology and Advanced Engineering, pp. Volume 4, Issue 11, [6]. S. Juanita, Pengembangan Aplikasi Text Recognition dengan Klasifikasi Neural Network pada Huruf Hijaiyah Gundul, Jakarta Selatan: Universitas Budi Luhur, [7]. N. Chamidah, "Simulasi Pembacaan Gambar Plat Nomor Polisi Kendaraan Bermotor," Universitas Islam Negeri Malang, Malang, [8]. R. S. Bahri and I. Maliki, "Perbandingan Algoritma Template Matching dan Feature Extraction pada Optical Character Recognition," in Jurnal Komputer dan Informatika (KOMPUTA) Edisi I, Volume 1, Bandung, Rusdi Efendi, S.T., M.Kom dilahirkan di Kota Bengkulu, 12 Januari Penulis menyelesaikan S1 di Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia pada Tahun Pada Tahun 2008 menyelesaikan S2 di Program Magister Ilmu Komputer, Universitas Indonesia. Saat ini penulis sebagai staf dosen Program studi Teknik Informatika, Fakultas Teknik, Universitas Bengkulu 86