TUGAS AKHIR ANALISIS SISTEM PENGENALAN KARAKTER PLAT KENDARAAN DARI CITRA KENDARAAN JUDUL I DEWA GEDE ANGGA PRASTIKA JURUSAN TEKNIK ELEKTRO DAN KOMPUTER FAKULTAS TEKNIK UNIVERSITAS UDAYANA BUKIT JIMBARAN 2016
TUGAS AKHIR ANALISIS SISTEM PENGENALAN KARAKTER PLAT KENDARAAN DARI CITRA KENDARAAN I DEWA GEDE ANGGA PRASTIKA NIM 1104405068 JURUSAN TEKNIK ELEKTRO DAN KOMPUTER FAKULTAS TEKNIK UNIVERSITAS UDAYANA BUKIT JIMBARAN 2016
ANALISIS SISTEM PENGENALAN KARAKTER PLAT KENDARAAN DARI CITRA KENDARAAN Tugas Akhir Diajukan Sebagai Prasyarat untuk Memperoleh Gelar Sarjana S1 (Strata 1) pada Jurusan Teknik Elektro Dan Komputer Fakultas Teknik Universitas Udayana. I DEWA GEDE ANGGA PRASTIKA NIM. 1104405068 JURUSAN TEKNIK ELEKTRO DAN KOMPUTER FAKULTAS TEKNIK UNIVERSITAS UDAYANA BUKIT JIMBARAN - BALI 2016 ii
iii
LEMBAR PERNYATAAN ORISINALITAS Tugas Akhir/Skripsi ini adalah hasil karya saya sendiri, dan semua sumber baik yang dikutip maupun dirujuk telah saya nyatakan dengan benar. Nama : I Dewa Gede Angga Prastika NIM : 1104405068 Tanda Tangan : Tanggal : 29 February 2016 iv
KATA PENGANTAR Om Swastyastu puji syukur kehadapan Ida Sang Hyang Widhi Wasa/Tuhan Yang Maha Esa, karena atas segala limpahan berkat dan Rahmat-Nya, sehingga proposal yang berjudul ʻʻ ANALISIS SISTEM PENGENALAN KARAKTER PLAT KENDARAAN DARI CITRA KENDARAAN ini dapat diselesaikan dengan tepat waktu. Proposal ini disusun untuk memenuhi salah satu syarat dalam menyelesaikan pendidikan sarjana strata satu (S1) pada Jurusan Teknik Elektro Fakultas Teknik Universitas Udayana. Dalam penyusunan tugas akhir ini, penulis banyak memperoleh petunjuk dan bimbingan dari berbagai pihak. Sehingga pada kesempatan ini perkenankan saya mengucapkan terima kasih yang sebesar-besarnya kepada : 1. Bapak Prof. Ir. Ngakan Putu Gede Suardana, MT., Ph.D selaku Dekan Fakultas Teknik Universitas Udayana. 2. Bapak Wayan Gede Ariastina, S.T., M.Eng.Sc.,Ph.D. selaku Ketua Jurusan Teknik Elektro Fakultas Teknik Universitas Udayana. 3. Bapak Widyadi Setiawan, ST., MT selaku dosen pembimbing I yang telah banyak memberikan arahan, waktu, semangat serta saran-saran selama penyusunan laporan. 4. Bapak Ir. Pande Ketut Sudiartha, M.Erg selaku dosen pembimbing II yang telah banyak memberikan arahan, waktu, semangat serta saransaran selama penyusunan laporan. 5. Bapak Gede Sukadarmika, ST., MSc. selaku pembimbing akademik yang telah membimbing dari semester 1, memberikan semangat dan dukungan dalam menjalani perkuliahan. 6. Kedua orang tua tersayang yang selalu memberikan kasih sayang dan doa tulus kepada penulis. 7. Keluarga besar Budaireng atas motivasi, dukungan, serta saran-saran yang selalu diberikan. 8. Rekan - rekan mahasiswa Elektro angkatan 2011 Universitas Udayana. v
9. Serta semua pihak yang tidak bisa penulis sebutkan satu-persatu atas bantuan dan saran yang diberikan sehingga laporan ini bisa selesai tepat pada waktunya. Penulis menyadari bahwa laporan ini masih jauh dari sempurna. Oleh karena itu segala kritik dan saran yang bersifat membangun sangat diharapkan demi kesempurnaan tugas akhir ini. Akhir kata, penulis mohon maaf kepada semua pihak jika dalam pembuatan tugas akhir ini melakukan kesalahan baik disegaja maupun tidak disengaja. Semoga Ida SangHyang Widhi Wasa/Tuhan Yang Maha Esa selalu melimpahkan rahmat-nya kepada semua pihak yang telah membantu pelaksanaan dan penyelesaian tugas akhir ini. Bukit Jimbaran, 11 Januari 2016 Penulis vi
ABSTRAK Aplikasi-aplikasi baru berbasis teknologi canggih diciptakan guna mempercepat dan mempermudah kinerja manusia dalam melakukan sesuatu dalam berbagai bidang. Salah satunya dalam bidang pengolahan citra digital (image processing) yang umumnya digunakan dalam proses pengenalan pola. Berbagai aplikasi dapat dibangun menggunakan teknik pengenalan pola dalam pengolahan citra digital salah satunya dalam sistem parkir. Dalam proses pencatatan, petugas loket parkir menginput identitas kendaraan secara manual ke dalam sistem, sehingga kecepatan pelayanan loket tergantung pada kecepatan petugas dalam membaca dan menginputkan data identitas kendaraaan ke sistem. Oleh karena itu, beberapa metode telah muncul yang diteliti oleh para ahli salah satunya berbasis pengolahan citra digital (digital image processing). Tugas akhir ini membahas tentang Analisis Sistem Pengenalan karakter Plat Kendaraan dari Citra Kendaraan Tujuan dan manfaat dalam tugas akhir ini adalah untuk mengetahui pembangunan sistem pengenalan karakter plat kendaraan dari suatu citra kendaraan dengan memanfaatkan, metode principal component analisys sebagai ektrasi ciri dan metode Histogram sebagai sistem segmentasi karakter dari sistem pengenalan karakter plat kendaraan dari suatu citra kendaraan metode euclidean distance untuk klasifikasi karakter. Penelitian ini diharapkan dapat memperkaya pengetahuan di bidang pengolahan citra digital serta dapat menjadi acuan untuk penelitian selanjutnya dalam pemilihan metode yang tepat dalam proses pengenalan karakter plat kendaraan pada citra kendaraan. Hasil unjuk kerja pada simulasi pengenalan karakter plat nomor kendaraan dari citra kendaraan berdasarkan hasil simulasi pengenalan karakter plat nomor kendaraan adalah sebesar 77.90% untuk presentase dikenali benar dari ke-27 karakter dan sebesar 22.10% untuk presentase dikenali salah dari ke-27 karakter. Kata Kunci : Image Processing, Euclidean Distance, Pengenalan Karakter Plat Kendaraan, Principal Component Analisys, Histogram vii
ABSTRACK New applications based on advanced technology was created in order to accelerate and facilitate human performance in doing things in different fields. One of them in the field of digital image processing (image processing) are generally used in the process of pattern recognition. Various applications can be built using pattern recognition techniques in digital image processing one of them in the parking system. In the process of recording, the parking booth attendant manually input the vehicle identity into the system, so the speed depends on the speed of service counter attendant in reading and input data to the vehicle identification system. Therefore, several methods have emerged which are researched by the experts one of them based on digital image processing (digital image processing). The final project is about character Plate Recognition System Analysis of Citra Vehicles Goals and benefits in this thesis is to investigate the construction of the system of character recognition license plate of an image of the vehicle by utilizing the method principal component analisys as ektrasi features and methods Histogram as a system of segmentation of the characters of the system character recognition license plate of an image of the vehicle methods euclidean distance for the classification of characters. This research is expected to enrich the knowledge in the field of digital image processing and can be a reference for further research in the selection of appropriate methods in the process of vehicle license plate character recognition on the image of the vehicle. The results of the simulation performance of the vehicle license plate character recognition of the image of the vehicle based on simulation results license plate character recognition is at 77.90% for the percentage of correctly identified all 27 characters and at 22:10% to the percentage identified one of the 27 characters. Keywords : Image Processing, Euclidean Distance, character Plate Recognition System Analysis of Citra Vehicles, Principal Component Analisys, Histogram viii
DAFTAR ISI JUDUL...i PRASYARAT GERLAR...ii LEMBAR PENGESAHAN...iv LEMBAR PERNYATAAN ORISINALITAS...iiv KATA PENGANTAR...iv ABSTRAK...vii ABSTRACK... viii DAFTAR ISI...iix DAFTAR GAMBAR...xii DAFTAR TABEL...xiii BAB I PENDAHULUAN...1 1.1. Latar Belakang...1 1.2. Rumusan Masalah...3 1.3.Tujuan...3 1.4. Manfaat...3 1.5. Ruang Lingkup Dan Batasan Masalah...3 1.6.Sistematika Penulisan...4 BAB II TINJAUAN PUSTAKA...6 2.1.Tinjauan Mutakhir...6 2.2.Tanda Nomor Kendaraan Bermotor...8 2.2.1. Spesifikasi Teknis Tanda Nomor Kendaraan Bermotor...8 2.2.2. Warna Tanda Nomor Kendaraan Bermotor...9 2.3.Konsep Dasar Citra...10 2.3.1. Citra Analog...10 2.3.2. Citra Digital...10 2.4. Pra Pemrosesan Citra Digital...13 2.4.1. Grayscale...13 2.4.2. Low Pass Filter...15 ix
2.4.3. Edge Detection...16 2.5. Transformasi Hough...22 2.6. Metode Histogram...24 2.7. Euclidean Distance...25 2.8. Principal Component Analysis (PCA)...27 BAB III METODE DAN PERANCANGAN SISTEM...28 3.1.Lokasi dan Waktu Penelitian...28 3.2.Sumber dan Jenis Data Penelitian...28 3.2.1. Sumber Data...28 3.2.2. Metode Pengumpulan Data...29 3.2.3. Jenis Data Penelitian...29 3.4 Alat Penelitian...30 3.5Tahapan Penelitian...30 3.5.1 Alur Analisis...30 3.5.2 Perancangan Sistem...32 BAB IV HASIL DAN PEMBAHASAN...36 4.1 Sample Citra...36 4.2 Pengujian Citra RGB ke Grayscale...38 4.3 Pengujian Hasil Filtering...40 4.3.1 Pengujian Hasil Hitam Putih dan Pemotongan Tepi dari Plat.40 4.4 Pengujian Segmentasi dengan Histogram...42 4.5 Pengujian Metode PCA ( Principal Component Analysis )...43 4.6 Pengujian Euclidean Distance...43 4.6.1 Hasil Simulai Pendeteksian Citra Sampel ke-1 Sampai ke-20.44 4.6.2 Tabel Spesifikasi Dari Setiap Karakter...48 BAB V SIMPULAN DAN SARAN x
5.1 Simpulan...50 5.2 Saran...51 DAFTAR PUSTAKA...52 LAMPIRAN...54 xi
DAFTAR GAMBAR Gambar 2.1 Penomoran Plat kendaraan Bermotor... 9 Gambar 2.2 Citra Biner... 11 Gambar 2.3 Citra RGB... 13 Gambar 2.4 Citra Grayscale... 14 Gambar 2.5 Proses Deteksi Tepi... 17 Gambar 2.6 Deteksi tepi Roberts... 18 Gambar 2.7 Deteksi tepi Sobel... 19 Gambar 2.8 Derajat arah tepian warna Canny... 21 Gambar 2.9 Deteksi tepi Canny... 21 Gambar 2.10 Transformasi domain citra ke domain Hough... 23 Gambar 2.11 Koordinat Jarak Euclidean 2 Dimensi... 26 Gambar 3.1 Flowchart Alur Analisis...31 Gambar 3.2 Flowchart Alur Pelatihan Program...32 Gambar 3.3 Flowchart Alur Pengujian Program...33 Gambar 4.1 Sampel Citra B229AT.jpg...37 Gambar 4.2 Tampilan Informasi Citra Sample Sebagai 3 Matrik...38 Gambar 4.3 Sample Citra RGB B229AT.jpg...39 Gambar 4.4 Hasil Konversi Sample Citra RGB B229AT.jpg ke Grayscale...40 Gambar 4.5 Perbandingan Citra Sebelum Dan Sesudah Filtering...41 Gambar 4.6 Hasil Konversi Sampel Citra Grayscale Ke Hitam Putih...42 Gambar 4.7 Hasil Pemotongan Sample Citra Hitam Putih...42 Gambar 4.8 Citra Awal ( A ), Hasil Citra Yang di Histogram ( B ), Citra Hasil Segmentasi ( C )...43 xii
DAFTAR TABEL Tabel 2.1 Rentang bit citra grayscale... 12 Tabel 4.1 Hasil Simulasi Pendeteksian 20 Citra Sampel...45 Tabel 4.2 Presentase dari Setiap Karakter...49 xiii