DETEKSI TANDA NOMOR KENDARAAN BERMOTOR PADA MEDIA STREAMING DENGAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK MENGGUNAKAN TENSORFLOW

Abstract

Perkembangan teknologi di dunia semakin berkembang pesat. Pada bidang transportasi, manusia menciptakan teknologi berupa kendaraan bermotor yang tidak lepas dari hukum Negara, dimana dinyatakan bahwa setiap kendaraan wajib memasang Tanda Nomor Kendaaan Bermotor (TNKB) sebagai syarat kendaraan dapat melaju di jalanan. Penggunaan TNKB telah ditetapkan aturannya oleh pihak Kepolisian akan tetapi aktivitas modifikasi kendaraan masih banyak dilakukan diantaranya adalah mengubah tampilan TNKB dan memanipulasi tanggal batas pembayaran pajak sehingga hal ini dapat merugikan Negara. Teknologi lain yang berkembang pesat pada bidang komputerisasi adalah computer vision. Salah satu permasalahan pada computer vision yang masih berkembang adalah object detection sebagai teknologi yang berguna untuk mengenali objek pada gambar selayaknya manusia dengan pembelajaran pada sebuah komputer dengan menggunakan jaringan saraf tiruan. Salah satu sub tipe jaringan saraf tiruan yang menangani permasalahan computer vision adalah Convolutional Neural Network (CNN). Perkembangan media juga semakin berkembang dengan adanya media streaming yaitu media yang bersifat interaktif. Tujuan dari penelitian ini adalah mengetahui bagaimana rancangan sistem, arsitektur jaringan yang digunakan untuk mendeteksi TNKB, mengetahui model hasil pelatihan dan hasil pengujian untuk mendeteksi TNKB serta mengetahui tingkat akurasi pendeteksian Tanda Nomor Kendaraan bermotor pada media streaming. Sistem ini tidak dapat melakukan pendeteksian karakter, tidak memberikan perbedaan yang signifikan pada TNKB yang dilakukan modifikasi dan hanya melakukan proses pendeteksian area pada sebuah media streaming yang dapat dijadikan dasar untuk melakukan pengembangan pendeteksian lebih jauh. Hasil deteksi TNKB dengan algoritma Convolutional Neural Network pada media streaming menunjukan nilai akurasi yang tinggi yaitu berkisar rata-rata antara 70-99%. The development of technology in the world are growing rapidly. On transportation sector, humans created a technology called motor vehicles that can not be separated from the State law, where it is stated that each vehicle must install a Motor Vehicle License Plate (MVLP) as a condition so the vehicle can go on the streets. The use of MVLP has been set by the police but the vehicles modification activities are still mostly done, such as changing the look of MVLP and manipulate the limit date of the tax payment so this can harm the State. Another developed technology is in the computerization sector, especially in the field of computer vision. One of the problems in computer vision that still developing is an object detection as a useful technology to recognize an object of a picture like a person with computers learning using an artificial neural networks. One sub-type of artificial neural network that handles computer visions problems is the Convolutional Neural Network. The application of multimedia services also developed in the form of video or interactice known as video streaming. The purpose of this research is to know how the network architecture used to detect the MVLP, to know the result model training, to know testing result to detect the MVLP and to know the accuracy level of MVLP detection on streaming media. This system can not perform character detection, does not make a significant difference to the modified MVLP and only perform the process of detecting the area on a streaming media that can be used as a basis for further detection development. The results of MVLP detection with Convolutional Neural Network algorithm on media streaming showed a high accuracy value ranging average from 70-99%.