ABSTRAKSI: Pada Tugas Akhir ini dibuat suatu sistem untuk pembacaan plat nomor kendaraan TNI-AD dengan memanfaatkan ciri karakter angka 0-9 dan strip (-) menggunakan algoritma Transformasi Radon.
Untuk menganalisis dan membaca karakter yang terdapat pada plat nomor kendaraan TNI-AD dalam sebuah citra digital yang diakuisisi dengan membangkitkan citra dari komputer yang diambil dengan menggunakan kamera, dilakukan perbaikan kualitas citra, cropping, dan segmentasi karakter. Kemudian pembacaan karakter pada plat nomor kendaraan TNI-AD dianalisis berdasarkan jumlah, letak dan pola titik-titik pada daerah bayangan hasil Transformasi Radon yang kemudian diklasifikasikan dengan bantuan JST-backpropagation. Pengujian ini dilakukan berdasarkan hasil akuisisi objek dengan perbedaan jarak, perbedaan intensitas cahaya, dan perbedaan fungsi Transformasi Radon yang digunakan. Pada citra dengan derau, ditambahkan derau salt & pepper sebelum proses akuisisi.
Dalam menguji tingkat performansi algoritma dan aplikasi yang diimplementasikan, maka diujikan 170 citra plat nomor kendaraan TNI-AD. Akurasi sistem paling baik dihasilkan pengujian menggunakan Transformasi Radon maksimum dengan akurasi 90,83%, pengambilan dengan jarak 100 cm dari kamera dengan akurasi 90%, dan pengambilan pada kondisi cahaya pukul 13.00 – 14.00 dengan akurasi 90,32%. Berdasarkan hasil uji secara keseluruhan, aplikasi ini dapat membaca karakter pada plat nomor kendaraan TNI-AD dengan akurasi 80,53% dengan waktu komputasi rata-rata 10,2 detik.Kata Kunci : Kata Kunci: Plat nomor kendaraan TNI-AD, algoritma Transformasi Radon, JSTbackpropagation.ABSTRACT: This final project is made for automation reading of Indonesian army vehicle license plate using Radon Transform algorithm by utilizing the character trait numbers 0-9 and dashes (-).
To analyze and detect the characters on Indonesian army vehicle license plate in a digital image by generating images from a computer and by capturing from the camera, the image quality are improved, cropped, and segmented character. The character that transformed in Radon domain become dots to be analyzed in dots amount, location and formation then, were classified by backpropagation. This test performed based on the results of objects with differences in function Radon Transform algorithm, distances, and under different light intensities. For the noise image, it added noise salt & pepper before the acquisition.
170 results of image acquisition were tested for reading of Indonesian army vehicle license plate. Accuracy testing of the system are best generated using maximum Radon Transform with an accuracy value of 90,83%, making a distance of 100 cm from the camera with an accuracy value of 90%, and making the light at 13:00 to 14:00 with an accuracy value of 90,32%. Based on all the test results, the Radon Transform algorithm provides an accuracy value of 80,53%. Average computing time Radon Transform algorithm 10,2 seconds.Keyword: Keywords: Indonesian army vehicle license plate, Radon transform algorithm,