Identifikasi Pola Plat Nomor Kendaraan Bermotor Berbasis Video Menggunakan Metode K-Means --Ed. 1

ABSTRAK
Dari sebuah plat nomor banyak informasi yang didapat di antaranya mempermudah
mengenal dan mengidentifikasi jenis kendaraan. Data mengenai setiap kendaraan
berguna untuk berbagai keperluan mulai dari keamanan sampai masalah analisis lalu
lintas. Untuk memudahkan pengenalan dan pengelolaan data kendaraan maka setiap
kendaraan diberikan plat nomor kendaraan yang unik sebagai identification key.
Terdapat beberapa macam teknik pengolahan citra digital untuk pengenalan dan
mengidentifikasi pola plat nomor kendaraan salah satunya adalah dengan metode KMeans clustering. Video kendaraan yang sudah tersegmentasi dapat di kelompokan
menjadi beberapa frame yang akan dikelompokkan dengan menggunakan metode KMeans Clustering. Namun sebelum dikelompokkan diperlukan ciri yang didapatkan
dengan metode Euclidean Distance serta penyederhanaan atribut yang bervariatif. Hasil
komponen warna yang berasal dari pola yang diperoleh berdasakan ROI
dikelompokkan menggunakan metode K-Means Clustering menghasilkan 2 cluster
dimana pembentukan dengan Menjumlahkan dan mencari Nilai Rata-Rata adalah
pembentukan atribut yang menghasilkan hasil yang sama pada proses clustering. Hasil
pengelompokan yaitu : pengelompokan 2 cluster menghasilkan pembagian kelompok
pola warna yang diperoleh dari hasil Region Of Intere (ROI) .
Kata Kunci : Tanda Nomor Kendaraan Bermotor, Segmentasi, K-means
ABSTRACT
From a number plate, a lot of information is obtained, including making it easier to
recognize and identify the type of vehicle. Data about each vehicle is useful for various
purposes ranging from security to traffic analysis problems. To facilitate the
introduction and management of vehicle data, each vehicle is given a unique vehicle
number plate as an identification key. There are several kinds of digital image
processing techniques for identifying and identifying vehicle number plate patterns, one
of which is the k-means clustering method. Videos of segmented vehicles can be
grouped into several frames which will be grouped using the K-Means Clustering
method. However, before the grouping, the characteristics obtained with the Euclidean
Distance method are needed and the variability of attributes is simplified. The results of
the color components derived from the patterns obtained based on ROI are grouped
using the K-Means Clustering method to produce 2 clusters where the formation by
summing and searching for Average Values is the formation of attributes that produce
the same results in the clustering process. The grouping results are: grouping 2
clusters resulting in the division of groups of color patterns obtained from the results of
ROI (Region of Interest).
Keywords: Motor Vehicle Numbers, Segmentation, K-Means