PENGENALAN KARAKTER PLAT NOMOR KENDARAAN BERMOTOR DENGAN MENGGUNAKAN METODE FCM - Binus e-Thesis

(1)

iv

UNIVERSITAS BINA NUSANTARA

Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007

PENGENALAN KARAKTER PLAT KENDARAAN BERMOTOR DENGAN MENGGUNAKAN METODE FCM

Victor Prahara Vabrian 0700693503 Muhammad Perdana Kharisma Putra 0700694014 Chandra 0700694216 Abstrak

Latar belakang penelitian adalah sistem perparkiran yang sudah ada masih menggunakan tenaga manusia sehingga membutuhkan waktu yang cukup lama dan rentan terhadap kesalahan. Sistem pengenalan plat nomor kendaraan secara otomatis yang telah dikembangkan sebelumnya dengan pendekatan statistik masih memiliki berbagai kekurangan. Oleh karena itu, dilakukan penelitian mengenai teknik pengenalan karakter dengan pendekatan FCM yang dapat mendukung terciptanya sistem yang dapat melakukan pemasukan data plat nomor kendaraan bermotor secara otomatis melalui gambar keadaan yang ditangkap oleh sebuah kamera dijital sebagai sensor dan memberikan hasil yang lebih handal.

Pendekatan FCM adalah pendekatan yang dilakukan dengan cara memasukkan data dalam suatu lingkungan fuzzy, kemudian data tersebut akan dihitung jarak terdekatnya dengan pusat cluster yang ada di dalam lingkungn fuzzy tersebut. Data akan menjadi anggota suatu kelompok dengan jarak pusat terdekat.

Hasil dari penelitian yang dilakukan: 1. Tingkat akurasi pengenalan karakter dengan pendekatan FCM pada citra plat mobil mencapai 89,74% (dari 39 citra plat yang gagal dikenali dengan pendekatan statistik); 2. Tingkat akurasi pengenalan karakter pada citra plat motor adalah 100% (dari 16 citra plat yang gagal dikenali dengan pendekatan statistik); 3. Tingkat akurasi total karakter: 92,72% (51/55).

Kesimpulan dari penelitian adalah: 1. Pengenalan karakter dengan pendekatan FCM tergantung dari bobot piksel hitam yang dihasilkan oleh proses pengolahan citra; 2. Variasi karakter membutuhkan basis data yang besar dalam pendekatan statistik. Namun pada proses pengenalan karakter secara FCM, basis data yang lebih ramping tetap dapat mengenali variasi karakter; 3. Derau atau distorsi menyebabkan tingkat akurasi pengenalan karakter dengan pendekatan statistik menurun, namun hal ini dapat teratasi dengan pendekatan FCM. Saran untuk pengembangan lebih lanjut adalah: 1. Dikembangkan pengenalan karakter dengan metode FCM sepenuhnya; 2. Perlu dikembangkan teknik pengolahan citra yang lebih baik.

(2)

v Prakata

Puji dan syukur dipanjatkan kepada Tuhan Yang Maha Esa atas bantuan dan

rahmat-Nya hingga penulisan skripsi ini dapat terselesaikan. Setelah memperoleh bekal

pendidikan selama masa perkuliahan, dicoba untuk menerapkan ilmu pengetahuan yang

telah diperoleh dengan menyusun Laporan Skripsi kami yang berjudul “Pengenalan

Karakter Plat Kendaraan Bermotor Menggunakan Metode Fuzzy C Means”. Adapun

tujuan penulisan Laporan Skripsi kami ini adalah untuk memenuhi salah satu syarat

menyelesaikan pendidikan di Universitas Bina Nusantara.

Disadari bahwa dalam penyusunan Skripsi ini masih terdapat kekurangan dan

tentunya tidak terlepas dari keterbatasan waktu, keterbatasan tingkat pengetahuan serta

pengalaman yang dimiliki, maka tidak tertutup adanya saran dan kritik yang bersifat

membangun serta membantu ke arah penyempurnaan dan peningkatan mutu skripsi ini.

Pada kesempatan ini, ingin disampaikan terima kasih yang sebesar-besarnya atas

bimbingan dan dukungan dari berbagai pihak baik secara langsung maupun tidak

langsung kepada Yth,

1. Prof. Dr. Gerardus Polla, M.App.Sc, selaku Rektor Universitas Bina Nusantara.

2. Bapak H.M Subekti, BE., M.Sc, selaku Ketua Jurusan Teknik Informatika.

3. Bapak Fredy Purnomo, S.Kom, M.Kom. selaku Sekretaris Jurusan Teknik

(3)

v i

4. Bapak Diaz D. Santika, Ir, M.sc, selaku dosen pembimbing Skripsi yang telah

bersedia meluangkan waktu, tenaga dan pikiran dalam membimbing dan

mengarahkan dalam menyelesaikan skripsi ini.

5. Seluruh Staf pengajar Universitas Bina Nusantara yang telah memberikan ilmu

pengetahuan selama masa perkuliahan.

6. Orangtua yang telah memberi dukungan moral dan materi kepada penulis.

7. Rekan-rekan yang turut membantu dan memberikan masukan serta informasi

selama masa penyusunan skripsi ini.

Akhir kata diharapkan agar skripsi ini dapat bermanfaat bagi dan pihak-pihak

lain yang berkepentingan maupun sebagai bahan bacaan bagi kepustakaan yang ada.

Jakarta, 24 Januari 2007

(4)

v ii DAFTAR ISI

Halaman Judul Luar ... i

Halaman Judul Dalam ... ii

Halaman Persetujuan Hardcover ... iii

Abstrak ... iv

Prakata ... v

Daftar Isi ... vii

Daftar Tabel ... xiv

Daftar Gambar ... xv

Daftar Lampiran ... xx

BAB 1 PENDAHULUAN ... 1

1.1 Latar Belakang ... 1

1.2 Rumusan Masalah ... 4

1.3 Ruang Lingkup ... 5

(5)

v iii

1.5 Metodologi ... 7

1.6 Sistematika Penulisan ... 8

BAB 2 LANDASAN TEORI ... 10

2.1 Plat Nomor ... 10

2.1.1 Plat Nomor Kendaraan Bermotor di Indonesia ... 13

2.1.1.1 Sejarah Penggunaan Plat Nomor Kendaraan Bermotor di Indonesia ...13

2.1.1.2 Spesifikasi Teknis ... 14

2.1.1.3 Warna ... 14

2.1.1.4 Nomor Urut Pendaftaran ... 15

2.1.1.5 Kode Wilayah Pendaftaran Kendaraan Bermotor ... 16

2.1.1.5.1 Corps Diplomatique dan Corps Consulate ...21

2.2 Kendaraan ... 28

2.3 Citra ...29

(6)

ix

2.3.2 Citra Dijital ... 30

2.3.3 Model Warna RGB ... 31

2.4 Computer Vision ... 34

2.5 Pengolahan Citra (Image Processing) ... 34

2.5.1 Penyekalaan (Scaling) ... 35

2.5.2 Binerisasi ...36

2.5.3 Segmentasi ... 37

2.5.4 Pemotongan (Cropping) ... 38

2.6 Pengenalan Pola (Pattern Recognition) ... 39

2.7 Logika Fuzzy ... 40

2.7.1 Himpunan Fuzzy ... 41

2.7.2 Fungsi Keanggotaan ...44

2.7.3 Pengklusteran Data (Data Clustering) ... 55

2.7.4 Tipe-tipe Pengklusteran ... 56

2.7.4.1 Pengklusteran Secara Hierarkis ... 57

(7)

x

2.7.4.1.2 Menciptakan Cluster ... 58

2.7.4.1.3 V-Means Clustering ... 58

2.7.4.2 Pengklusteran Partisional ... 59

2.7.4.2.1 K-Means Clustering ... 59

2.7.4.2.2 Algoritma QT Clustering ... 60

2.8 Basis Data ... 60

2.8.1 Perangkat Lunak Basis Data ... 60

2.9 Pengenalan Karakter (Character Recognition) ... 62

2.9.1 Metode Pengenalan Karakter ... 62

2.9.1.1 Pendekatan Statistik ... 63

2.9.1.2 Pendekatan Semantik ... 65

2.9.1.3 Metode Hibrid ... 67

2.9.1.4 Jaringan Saraf Tiruan ... 67

2.9.1.5 Pendekatan Fuzzy C-Means (FCM) ... 69

(8)

xi

BAB 3 PENGENALAN KARAKTER DENGAN METODE HIBRID ... 73

3.1 Gambaran Umum ... 73

3.2 Proses Pembuatan Basis Data dan Training FCM ... 74

3.2.1 Pemrosesan Awal ... 75

3.2.1.1 Pengolahan Citra ... 75

3.2.1.1.1 Penyekalaan ... 75

3.2.1.1.2 Binerisasi ...77

3.2.1.2 Pemotongan (Cropping) ... 82

3.2.1.2.1 Penetapan atas Atas dan Batas Bawah Citra Plat ... 83

3.2.1.2.2 Penetapan Batas Karakter ... 85

3.2.1.2.3 Pemotongan ...87

3.2.1.2.4 Penyekalaan Ulang ...88

3.2.2 Segmentasi dan Klasifikasi ... 89

3.2.2.1 Segmentasi ... 89

3.2.2.2 Klasifikasi ... 90

(9)

xii

3.3 Proses Analisis ... 93

3.3.1 Analisis Pengenalan Karakter dengan Pendekatan Statistik .... 94

3.3.2 Proses Switching ... 94

3.3.3 Analisis Pengenalan Karakter dengan Pendekatan FCM ... 95

3.4 Hasil Pengujian ... 98

BAB 4 HASIL PENELITIAN ... 100

4.1 Pengujian ...100

4.1.1 Pengujian pada Citra Plat Mobil Berkualitas Tinggi ... 101

4.1.2 Pengujian pada Citra Plat Mobil Berkualitas Moderat ... 104

4.1.3 Pengujian pada Citra Plat Mobil Berkualitas Rendah ... 112

4.1.4 Pengujian pada Citra Plat Motor ... 117

4.2 Evaluasi ... 118

4.2.1 Evaluasi pada Citra Plat Mobil Berkualitas Tinggi ... 119

4.2.2 Evaluasi pada Citra Plat Mobil Berkualitas Moderat ... 119

4.2.3 Evaluasi pada Citra Plat Mobil Berkualitas Rendah ... 129

(10)

xiii

4.3 Perbandingan Pendekatan Statistik dan Pendekatan Fuzzy ... 137

BAB 5 KESIMPULAN DAN SARAN ... 138

5.1 Kesimpulan ... 138

5.2 Saran ... 139

DAFTAR PUSTAKA

RIWAYAT HIDUP

(11)

xiv

DAFTAR TABEL

Tabel 4.1 Tabel Pengujian terhadap 40 citra plat berkualitas tinggi ... 103

Tabel 4.2 Tabel Pengujian set 1 citra plat berkualitas moderat ... 106

Tabel 4.6 Tabel Pengujian set 1 citra plat berkualitas rendah ... 114

Tabel 4.7 Tabel Pengujian set 2 citra plat berkualitas rendah ... 115

(12)

xv

DAFTAR GAMBAR

Gambar 2.1 Plat Nomor Kendaraan Bermotor di Indonesia ... 13

Gambar 2.2 Posisi Neighbours of a Pixel ... 31

Gambar 2.3 Model Warna RGB ... 33

Gambar 2.4 Pemetaan input-output dalam logika fuzzy ... 40

Gambar 2.5 Representasi Linear Naik ... 45

Gambar 2.6 Representasi Linear Turun ... 46

Gambar 2.7 Representasi Kurva Segitiga ... 47

Gambar 2.8 Representasi Kurva Trapesium ... 48

Gambar 2.9 Representasi Kurva Bahu ... 49

Gambar 2.10 Representasi Kurva-S Naik ... 50

Gambar 2.11 Representasi Kurva-S Turun ... 50

Gambar 2.12 Representasi Kurva π ... 52

Gambar 2.13 Representasi Kurva BETA ... 53

(13)

xv i

Gambar 2.15 Model Angka 1 dan 8 ... 63

Gambar 2.16 Model Angka 6 dan 0 ... 64

Gambar 2.17 Model Histogram Angka 3 ...65

Gambar 2.18 Model Deskripsi Semantik Angka 2 ... 66

Gambar 2.19 Variasi Bentuk Angka 2 ... 66

Gambar 2.20 Jaringan Saraf Tiruan ... 68

Gambar 2.21 Pemetaan Anggota pada Fuzzy C-Means ... 70

Gambar 3.1 Gambar Keseluruhan Proses Secara Umum ... 73

Gambar 3.2 (a) Plat Awal (b) Binerisasi dengan nilai 128 (c) Binerisasi dengan nilai rata-rata ... 79

Gambar 3.3 (a) Plat Awal (b) Binerisasi dengan nilai 128 (c) Nilai ambang = nilai rata-rata ... 80

Gambar 3.4 Segmentasi Karakter ... 89

(14)

xv ii

Gambar 3.6 Hasil Perhitungan Bobot Segmen pada MATLAB ... 91

Gambar 3.7 Plat yang memiliki karakter yang gagal dikenali dengan pendekatan statistik ... 97

Gambar 3.8 (a) Citra Plat yang telah diskala ulang ... 98

(b) Citra Plat yang telah dibinerisasi ... 98

(c) Citra karakter yang telah melalui proses pemotongan ... 99

Gambar 4.1 Citra plat berkualitas tinggi ... 102

Gambar 4.2 Citra plat berkualitas tinggi yang memiliki baut namun tidak merusak karakter ... 102

Gambar 4.3 Citra plat berkualitas tinggi tanpa derau atau distorsi yang mengganggu ... 102

Gambar 4.4 Citra plat berkualitas moderat dengan baut warna gelap yang menutupi karakter ... 105

Gambar 4.5 Citra plat berkualitas moderat dengan baut warna terang yang menutupi karakter ... 105

(15)

xv iii

Terkelupas ... 106

Gambar 4.7 Citra plat berkualitas moderat karena pengecatan yang tidak rapi .... 106

Gambar 4.8 Citra plat berkualitas rendah karena pencahayaan yang terlalu

banyak ... 113

Gambar 4.9 Citra plat berkualitas rendah karena pencahayaan yang tidak merata.. 113

Gambar 4.10 Citra plat berkualitas rendah karena pengecatan yang sangat buruk ..114

Gambar 4.11 Citra plat berkualitas rendah karena baut yang besar yang menutupi

karakter ... 114

Gambar 4.12 (a) Citra plat dengan baut yang besar dan terang, serta menempel

pada karakter

(b) Citra hasil binerisasi ... 120

Gambar 4.13 (a) Citra plat dengan baut yang gelap, serta menutupi karakter

Gambar 4.14 (a) Citra plat dengan pencahayaan yang kurang merata

(16)

xix

Gambar 4.16 (a) Citra plat yang penyok

Gambar 4.17 (a) Citra plat dengan karakter miring

Gambar 4.18 (a) Citra plat dengan fisik dan tampilan yang buruk

Gambar 4.19 (a) Citra plat dengan fisik pencahayaan yang tidak merata

Gambar 4.20 (a) Citra plat dengan baut yang besar yang menutupi karakter

Gambar 4.21 (a) Citra plat dengan motor dengan pencahayaan yang berkualitas

rendah