DETEKSI GANJIL GENAP PADA PLAT NOMOR KENDARAAN MENGGUNAKAN METODE K-NEAREST NEIGHBOR (KNN)

Abstract

Kecerdasan buatan memiliki peran penting dalam perkembangan kemajuan teknologi. Kegiatan yang tadinya dikerjakan oleh manusia, bisa digantikan oleh mesin. Seperti ETLE ( Electronic Traffic Law Enforcement ) yang saat ini mempermudah kinerja Polisi Republik Indonesia dalam mentertibkan pengendara di jalan. ETLE mampu untuk menangkap atau mengetahui pelanggaran-pelanggaran lalu lintas seperti pengendara kendaraan tidak memaki helm, tidak memakai sabuk pengaman, tidak menyalakan lampu, menerobos lampu merah, menerobos marka jalan, dan melanggar aturan ganjil genap di ruas jalan tertentu. Tema deteksi ganjil ganap pada plat nomor kendaraan diambil dan dijadikan bahan penulisan untuk dianalisa menggunakan metode K-Nearest Neighbor (KNN). Tahapan dimulai dari menginput gambar, dimana citra yang diinput merupakan gambar kendaraan dengan plat nomor yang terlihat jelas dan sejajar dengan kamera. Sudut kemiringan dan kecerahan cahaya perlu diperhatikan karena sangat berpengaruh dengan akurasi. Selanjutnya tahap pre-processing yang dimana citra dipotong bagian yg tidak diperlukan kemudian merubah ukuran resolusi citra, setelah itu citra diubah menjadi greyscale . Kemudian tahao segmentasi, dimana citra akan mengalami thresholding , dimana citra diubah menjadi warna hitam putih. Setelah itu citra yang sudah menjadi hitam putih akan dikenali karakternya dengan metode KNN. Karakter-karakter pada citra akan dicocokan dengan karakter alfanumerik pada data latih (A samapai Z dan 0 sampai 9). Kemudian tahap terakhir adalah verifikasi apakah plat nomor tersebut ganjil atau genap dan disesuaikan dengan tanggal pada saat pengujian apakah plat nomor tersebut melanggar aturan ganjil genap atau tidak. Penggunaan metode KNN pada deteksi ganjil genap dipilih karena lebih cepat dalam pengidentifikasian karena tidak melakukan pengulangan dalam pencocokan. Tingkat akurasi berdasarkan dari 20 citra yang diuji adalah 80%