Identifikasi Karakter Plat Nomor Kendaraan dengan Learning Vector Quantization

Plat nomor merupakan kelengkapan penting yang menyimpan informasi kendaraan bermotor. Sistem identifikasi plat nomor kendaraan bermotor merupakan teknik otomatisasi yang dapat diterapkan dalam pengendalian lalu lintas termasuk di jalan tol dan tempat parkir. Guna memperoleh identifikasi kendaraan bermotor yang akurat berdasarkan plat nomor maka harus diawali dengan klasifikasi terlebih dulu. Terdapat beragam metode klasifikasi yang dapat digunakan untuk identifikasi plat nomor. Masih tersedia banyak metode klasifikasi yang dapat dipilih dan dikombinasikan dengan metode ekstraksi fitur tertentu guna memperoleh hasil klasifikasi dengan akurasi yang maksimal. Tujuan dari penelitian ini adalah membangun sebuah sistem identifikasi plat nomor kendaraan bermotor menggunakan klasifikasi Learning Vector Quantization (LVQ) yang dikombinasikan dengan metode ekstraksi fitur yaitu Otsu Thresholding dan blob detection dengan menggunakan dataset buatan sendiri berupa plat nomor dari kendaraan bermotor di tempat parkir Politeknik Negeri Malang. Pada penelitian ini dataset yang digunakan adalah data citra karakter tunggal pada plat nomor sebanyak 180 buah, dan data berupa citra karakter plat nomor dalam satu kelompok sebanyak 50 buah. Dari pengujian sistem diperoleh beberapa hasil yakni akurasi klasifikasi keseluruhan untuk citra karakter pada plat nomor secara keseluruhan dalam satu kelompok adalah 77% dengan kemampuan mengidentifikasi 80% dan akurasi klasifikasi keseluruhan untuk citra karakter tunggal adalah 80% dengan kemampuan mengidentifikasi 100%.