Aplikasi Scan PLat Nomor Kendaraan Denga

(1)



APLIKASI TILANG DENGAN PENGENALAN PLAT

NOMOR KENDARAAN DAN PELAKU PADA PLATFORM

MOBILE

Ketut Ariasa1), I Made Darma Susila2), Komang Budiarta3) Program Studi Sistem Informasi

Sekolah Tinggi Manajemen Informatika dan Teknik Komputer (STMIK) STIKOM BALI Jl. Raya Puputan no. 86 Renon, Denpasar, Bali, Indonesia Tlp: (0361) 244445

Fax:(0361) 264773 e-mail:

ariasta.ketut@gmail.com 1), darma_s@stikom-bali.ac.id 3) , budboy0713@gmail.com 2)

Abstrak

Proses tilang yang berjalan saat ini masih manual, polisi harus mengisi form tilang, kemudian mengidentifikasi apakah STNK tersebut dimiliki oleh pelaku pelanggaran atau tidak. Setelah itu cara Polisi mengidentifikasinya adalah mencocokan SIM milik pelanggar dan STNK kendaraan yang dibawa pelaku saat terjadinya pelanggaran. Selain itu, ketika pelaku tidak membawa STNK saat terjadinya pelanggaran yang menyebabkan Polisi sulit mengetahui informasi dari kendaraan tersebut. LPR (Licence Plate Recognition) dan OCR (Optical Character Recognition) merupakan salah satu dari beberapa kemajuan teknologi yang kini berkembang pesat. LPR atau yang disebut dengan pendeteksi plat nomor kendaraan merupakan aplikasi yang telah banyak dikembangkan di luar negeri dan berhasil diimplementasikan untuk sistem parkir, sistem tol, sistem lalu lintas, dan lain sebagainya. Dalam penelitian ini akan membahas pembuatan aplikasi berbasis android dengan menggunakan library Leptonica yang berfungsi untuk memproses gambar hasil dari capture camera dan akan di-ekstrak menjadi teks menggunakan Library Tesseract, kemudian hasil dari ektraksi tersebut akan dicocokkan dengan data yang telah ada pada server, Jika info STNK tercatat pada database maka polisi lalu lintas bisa melakukan penilangan ditempat.

Kata kunci: OCR, Plat Nomor, Tilang, Tesseract, Leptonica Abstract

The process of running a speeding ticket is still manual, the police have to fill out the form ticketed, the police have to fill out a ticket form, then identify whether the vehicle registration owned by the offender or not. After that is the way the police identify offenders belong SIM matching and registration when the vehicle is brought perpetrators of the infringement. In addition, when the actors do not bring the current vehicle registration violations that led to the police is difficult to know the information of the vehicle. LPR (License Plate Recognition) and OCR (Optical Character Recognition) is one of several technological advances that are now growing rapidly. LPR or license plate detection is an application that has been developed abroad and successfully implemented for parking systems, toll systems, traffic systems, and so forth. This research will discuss the making of android-based applications using the library Leptonica that serves to process images from the camera and will capture and extract it into text using Tesseract Library, then the result of the extraction will be matched with the data that already exists on the server, if the info listed on the vehicle registration database traffic police can do penilangan place.

Keywords : OCR, Vehicle, Traffic Tickated, Tesseract, Leptonica.

1. Pendahuluan

(2)

Proses penilangan yang berjalan saat ini masih manual , Polisi harus mengisi form tilang, kemudian mengidentifikasi apakah STNK tersebut dimiliki oleh pelaku pelanggaran atau tidak, setelah itu Cara Polisi mengidentifikasinya adalah mencocokan SIM milik pelaku dan STNK kendaraan yang dibawa pelaku saat terjadinya pelanggaran. Selain itu, ketika pelaku tidak membawa STNK saat terjadinya pelanggaran sehingga Polisi sulit mengetahui informasi dari kendaraan tersebut.

LPR (Licence Plate Recognition) dan OCR (Optical Character Recognition) merupakan salah satu dari beberapa kemajuan teknologi yang kini berkembang pesat. LPR atau yang disebut dengan pendeteksi plat nomor kendaraan merupakan aplikasi yang telah banyak dikembangkan di luar negeri yang telah berhasil diimplementasikan untuk sistem parkir, sistem tol, sistem lalu lintas, dan lain sebagainya. OCR merupakan aplikasi yang bisa mengolah gambar (image) menjadi teks , aplikasi ini dapat memanipulasi image yang bertulisan tangan, tulisan mesin ketik atau computer text.

Android merupakan sistem operasi yang berbasis open source yang dikembangkan oleh google inc. Perkembangan android saat ini sangat pesat, kerana berbasis open source, sampai sekarang telah banyak developer pengembang aplikasi android saat ini, banyak bermunculan brand smartphone yang menggunakan android dengan harga murah dan kinerja yang dapat dikatakan cukup bagus.

Dari uraian diatas, penulis memiliki solusi untuk membuat aplikasi berbasis android dengan menggunakan library Tesseract dan Leptonica untuk memproses gambar hasil dari capture camera dan akan diekstrak menjadi text kemudian hasil dari ektraksi tersebut akan dicocokkan dengan data yang telah ada pada server, dimana pada data tersebut plat nomor adalah primary key, jika output teks cocok dengan primary key maka data tersebut akan diambil dan perlihatkan pada widged EditText. Kemudian Polisi Lalu Lintas dapat menambahkan data pelanggaran.

2. Analisa Dan Perancangan Sistem

Dalam merancang aplikasi ini penulis menggunakan UML (Unifide Modeling Language) yang terdiri dari Use Case Diagram, Class Diagram, Sequence Diagram, dan Activity Diagram. Kemudian untuk perancangan Database penulis menggunakan ERD(Entity Relationship Diagram) dan Konseptual Database.

A. Use Case Diagram

Berikut Use Case Diagram Aplikasi Pencatatan Tilang Dengan Pengenalan Plat Nomor Kendaraan Dan Pelaku Pada Platform Mobile :

(3)



Gambar 2. Activity Diagram Capture

Penjelasan:

(4)

C. Class Diagram

(5)



D. Sequence Diagram

Gambar 4. Sequence Diagram Capture Penjelasan:

Pada Gambar 4. Sequence Diagram Capture menjelaskan tentang proses User mengambil gambar dengan menekan layar kemudian sistem menyimpan gambar dan melakukan proses recognition sampai mendapatkan hasil recognition pada MainActivity

E. ERD (Entitiy Relationship Diagram)

Gambar 5. ERD (Entity Relationship Diagram)

Pada Gamabr 5. ERD (Entity Relationship Diagram) dapat dilihat hubungan atau relasi dari masing-masing tabel, pada skema ini dapat dilihat satu STNK dapat memiliki banyak pelanggaran dan banyak pelanggaran yang bisa dimiliki oleh satu STNK, dan satu login dapat memiliki banyak pelanggaran dan STNK.

F. Konseptual Database

(6)

3. Implementasi Sistem A. Spesifikasi Hardware

Detail spesifikasi laptop yang digunakan penulis untuk membuat aplikasi ini adalah sebagai berikut :

• Processor Intel(R) Core(TM) i3-2370M CPU @ 2.40GHz 2.40 GHz

• RAM 4Gb

• Operating Sistem Microsoft Windows 8 -64bit

• Hardisk 312Gb

• Display NVIDIA GeForce 620M

Detail spesifikasi handphone yang digunakan penulis untuk membuat aplikasi ini adalah sebagai berikut :

• Display 4.0 inches

• OS Android 4.2.2 (JellyBean)

• RAM 512Mb

• Memory External 2Gb

• Camera belakang 2mb

B. Spesifikasi Software

Eclipse yang digunakan penulis untuk membuat aplikasi adalah Eclipse Juno v.3 dengan Add-on sebagai berikut :

• Android Develpment Tools (ADT) v.23

• Software Development Kit (SDK) v.23

Dengan menggunakan tess-two sebagai library tambahan untuk pembuatan aplikasi, didalam tess-two sudah ter-include Leptonica dan Tesseract.

Untuk client atau aplikasi mengakses data ke server, penulis menggunakan beberapa software untuk membuat web service diantaranya adalah :

1. Nginx 1.6 sebagai web server yang sudah include langsung bersama vagrant.

2. PHP 5.4 sebagai bahasa pemrograman dengan Laravel 4.1 sebagai framework untuk web server. 3. Mysql 5.6 sebagai database yang sudah include langsung bersama vagrant.

Untuk menjalankan web service, penulisan menggunakan operating system Linux Ubuntu 14.04 yang berjalan pada Virtual machine, penulis menggunakan VirtualBox 4.3 sebagai virtual machine dengan menginstall vagrant 1.6, didalam vagrant sudah ter-include langsung NginX, Mysql, dan Ubuntu. Untuk interface pengolahan data pada server penulis menggunakan POSTMAN yang merupakan add-on dari google chrome.

C. Implementasi

(7)



Pada Gambar 7. Tampilan Spashscreen merupakan tampilan awal saat Aplikasi dibuka, menampilkan gambar logo dari aplikasi PETI. Hanya muncul beberapa detik saja, kemudian akan muncul Login.

Pada Gambar 8. Login terdapat EditText untuk User Meng-input User name dan Password yang telah ditetapkan sebelumnya oleh penulis. Setelah User meng-input User name dan Password kemudian User menekan tombol Login maka akan tampil MainActivity.

Gambar 9. MainActivity Gambar 10. Tampilan InfoStnkActivity

Pada Gambar 9. MainActivity terdapat tombol Camera, dengan menekan tombol Camera maka akan muncul kamera dan User dapat menekan layar untuk mengambil gambar, kemudian akan kembali ke MainActivity dengan hasil recognition pada EditText dibawah tombol Camera, terdapat tombol Check,

dengan User menekan tombol Check maka akan tampil detail info STNK pada tampilan InfoStnkActivity.

Gambar 11. Tampilan InfoStnkActivity Gambar 12. Tampilan InfoPelanggaranActivity

Pada Gambar 10 dan 11 Tampilan InfoStnkActivity terdapat TextView untuk menampilkan detail info STNK . Terdapat tombol View>>, dengan User menekan tombol View>> maka akan tampil detail info pelanggaran yang dimiliki oleh STNK pada InfoPelanggaranActivity. Terdapat tombol Home, dengan User menekan tombol Home maka akan kembali menampilkan MainActivity, Terdapat tombol +Baru, dengan User menekan tombol +Baru maka akan ditampilkan AddPelanggaranActivity.

(8)

Refresh maka akan dilakukan Refresh detail InfoPelanggaranActivity, terdapat tombol +Baru, dengan User menekan tombol +Baru maka akan ditampilkan AddPelanggaranActivity untuk melakukan penambahan pelanggaran.

Gambar 13. Tampilan AddPelanggaranActivity

Pada Gambar 13. AddPelanggaranActivity terdapat EditText yang nantinya akan diisi oleh User yaitu Nama Pengendara merupakan EditText untuk Nama Pengendara pelaku pelanggaran lalu lintas, terdapat Jenis Identitas untuk jenis identitas yang digunakan pelaku, misalkan SIM, Kartu Pelajar, atau Kartu Mahasiswa dan lain lain, Terdapat No. Identitas untuk nomor dari jenis identitas yang digunakan pelaku pelanggaran lalu lintas, terdapat Jenis Pelanggaran untuk mengisikan pelanggaran yang dilakukan oleh pelaku pelanggaran lalu lintas. Terdapat tombol OK, dengan User menekan tombol OK, maka pelanggaran baru akan ditambahkan.

D. Pengujian Sistem

Tabel 1. Pengujian Sistem 1

Capture Threshold

Penjelasan :

• Diambil pada siang hari pada pukul 12

• Intensitas cahaya : 2353,0

• Jarak 40cm

Tabel 2 Pengujian Sistem 2

Capture Threshold

Penjelasan :

(9)



• Jarak 25cm

Pada Tabel 1. Pengujian Sistem 1, pengambilan gambar dilakukan pada siang hari yang terik tepatnya pada pukul 12 dengan intensitas cahaya pada saat pengambilan gambar adalah 2353,0 dengan jarak antara kamera dengan objek adalah 40cm dan mendapatkan hasil recognition DK541811 dan pada Tabel 2. Pengujian Sistem 2, pengambilan gambar dilakukan pada siang hari yang terik tepatnya pada pukul 13 dengan intensitas cahaya pada saat pengambilan gambar adalah 300,0 dengan jarak antara kamera dengan objek adalah 25cm dan mendapatkan hasil recognition DK8448EH. Dari pengujian diatas dapat disimpulkan bahwa jarak antara kamera dengan objek dan besar atau kecil intensitas cahaya pada saat pengambilan gambar dapat mempengaruhi persentase keberhasilan.

Capture Threshold

Penjelasan :

• Intensitas cahaya : 16295

• Jarak 35cm

Capture Threshold

Penjelasan :

• Intensitas cahaya : 35033

• Jarak 25cm

• Kemiringan 90°

Capture Threshold

Penjelasan :

• Jarak 30cm

(10)

Pada Tabel 3. Pengujian Sistem 3, pengambilan gambar dilakukan pada siang hari yang terik tepatnya pada pukul 13 dengan intensitas cahaya pada saat pengambilan gambar adalah 16295 dengan jarak antara kamera dengan objek adalah 35cm dan mendapatkan hasil recognition DK7447DA yang berarti mendapat keberhasilan 100%, pada Tabel 4. Pengujian Sistem 4 pengambilan gambar dilakukan pada siang hari yang terik tepatnya pada pukul 13 dengan intensitas cahaya pada saat pengambilan gambar adalah 35033 dengan jarak antara kamera dengan objek adalah 25cm dan mendapatkan hasil recognition DK7447DA yang berarti mendapat tingkat keberhasilan 100%. Pada Tabel 5. Pengujian Sistem 5, pengambilan gambar dilakukan pada siang hari yang terik tepatnya pada pukul 12 dengan intensitas cahaya pada saat pengambilan gambar adalah 900,0 dengan jarak antara kamera dengan objek adalah 30cm dan gagal dalam melakukan proses recognition yang berarti mendapat keberhasilan 100%. Dari pengujian diatas dapat disimpulkan bahwa kemiringan dapat mempengaruhi presentase keberhasilan dengan mengatur kemiringan sesuai kebutuhan untuk memperkecil pantulan cahaya dari plat nomor.

Berikut adalah hasil dari keseluruhan pengujian sistem yang telah dilakukan penulis :

Tabel 6 Keseluruhan Pengujian

PLAT INTEN

CAHAYA

JARAK KEMIRINGAN HASIL

2353 40cm Datar DK541811

2244 35cm Datar DK220717

65535 30cm Datar Success

65535 30cm Datar 239415

300 25Cm Datar Success

33048 30cm Datar 8533IA

(11)



963 25cm Datar DY81SLE

323 30cm Datar DK542591

900 25cm Datar DK81BUAX

187 30cm Datar DK5252IQ

1363 30cm Datar DK835UPC

900 30cm 90 GAGAL

Setelah pengujian yang dilakukan terhadap 21 sampel plat nomor, dapat disimpulkan dengan persentase kegagalan dan keberhasilan dalam proses recognition dari 168 total karakter dengan 137 jumlah keberhasilan mengenali karakter yaitu,

Tabel 7 Presentase Keberhasilan Dan Kegagalan

Jumlah Karakter

Berhasil dikenali

Gagal dikenali Keterangan

168 karakter 137 karakter 31 karakter Kegagalan pengenalan disebabkan adanya

kemiripan karakter satu sama lain, seperti B

dan 8, 2 dan Z, 1dan I, D dan 0, A dan 4.

Ketidaksempurnaan dalam segmentasi

karakter dapat menyebabkan karakter

terpotong yang dapat mengubah persepsi

pengenalan karakter.

(12)

4. Kesimpulan Dan Saran A. Kesimpulan

Berdasarkan hasil penelitian yang dilakukan sebelumnya dapat ditarik kesimpulan diantaranya adalah :

1. Aplikasi PETI dapat dijalankan pada operating sistem android dan dapat membantu Polisi Lalu Lintas dalam melakukan razia.

2. Proses pengambilan gambar dapat dilakukan secara baik pada tingkat pencahayaan yang cukup. 3. Kegagalan recognition disebabkan oleh beberapa faktor yaitu, hasil dari pengambilan gambar

yang dilakukan pada tingkat pencahayaan yang berlebihan yang menyebabkan pantulan cahaya dari plat nomor, cahaya yang terlalu redup, dan adanya kemiripan karakter seperti B dengan 8, 2 dengan Z, 1 dengan I, 0 dengan D dan 4 dengan A dan kemiripan lainnya.

4. Dengan menggunakan Leptonica untuk pengolahan citra untuk mendapatkan hasil threshold supaya mempermudah tesseract mengenali setiap karakter dari image.

B. Saran

Untuk selanjutnya bagi mahasiswa yang ingin mengembangkan skripsi ini, dari hasil yang penulis capai saat ini, penulis memiliki saran yaitu :

1. Merubah brightness otomatis pada aplikasi dengan mendeteksi intensitas cahaya pada saat pengambilan gambar dilakukan sehingga gambar yang didapatkan tidak terlalu terang atau terlalu gelap, dengan demikian diharapkan dapat meningkatkan hasil recognition.

2. Menambahkan croping otomatis dengan menggunakan computer vision sehingga diharapkan dapat meningkatkan akurasi dari aplikasi.

3. Diharapkan pengembangan yang lebih lanjut untuk implementasi secara nyata.

6.Daftar Pustaka

[1] Joseph Howse, Android Application Programming with OpenCV, Build Android apps to capture, manipulate, and track objects in 2D and 3D. PACKT Publishing, 2013.

[2] MarkoGargenta & Masumi Nakamura, Learning Android, Develop Mobile Apps Using Java and Eclipse, O’REILLY Media.inc, 2nd Edition Januari 2014

[3] Riza Prasetya Wicaksana, Pengenalan Plat Nomor Kendaraan Secara Otomatis Untuk Pelanggaran Lalulintas, Tenik Komputer dan Telematika, Jurusan Electro Institut Teknologi Sepuluh, November, Surabaya.

[4] Chirag Patel, Atul Patel, PhD, Dharmanendra Patel, Optical Character Recognition by Open Source OCR Tool Tesseract: A Case Study. International Jurnal of Computer Applications (0975-8887) Volume 55- No.10, October 2012.

[5] Raphaël Saunierx, Getting Started with Laravel 4, Discover Larael – One Of the most expressive, robust, and flexible PHP web application frameworks around. PACKT Publishing. Januari 2014.

[6] Lorna Jane Mitchell, PHP Web services APIs The Modern Web. O’REILLY Media.inc, April 2013. [7] Sai Srinivas Sriparasa, JavaScript and JSON Essentials, Successfully build advanced JSON-fueled