Pengenalan Karakter Tanda Nomor Kendaraan Bermotor Menggunakan Metode Principal Component Analysis (PCA) Dan Radial Basis Function Network (RBF-N)

Karena meningkatnya permintaan penerapan sistem Smart City maka diperlukan sebuah Sistem Pengenalan Tanda Nomor Kendaraan (SPTNK) dengan tingkat akurasi dan efisiensi yang tinggi. Salah satu metode yang dapat digunakan adalah dengan metodernekstrasi fitur dengan Principal Component Analysis (PCA) dan pengenalan Radial BasisrnFunction Network (RBF-N). Penelitian ini mengimplementasikan sebuah Sistem Pengenalan Tanda Nomor Kendaraan (SPTNK) secara otomatis. Tahapan segmentasi dan klasifikasi diterapkan pada citra tanda nomor kendaraan. Tahapan segmentasi yang dilakukan adalah Operasi Morfologi Matematis, Analisis Histogram, Connected Component Analysis (CCA), dan Hough Transform. Segmentasi dilakukan pada 100 citra dengan akurasi segmentasi 64%. Untuk pengenalan karakter, ekstraksi fitur Principal Component Analysis(PCA) dan Jaringan Saraf Radial Basis Function (RBF-N) diterapkan. Algoritma PCA secara efektif mengurangi dimensi data fitur, dan model RBF-N berhasil mengenali karakter pada gambar tanda nomor kendaraan input. Evaluasi menunjukan peningkatan jumlah fitur PCA dan center RBF mengurangi akurasi pengenalan dan menambah kompleksitas model. Model terbaik dipilih berdasarkan hasil evaluasi. Model terbaik mencapai akurasi sebesar 97,89%, 85,32%, dan 42,19% untuk dataset prediksi, implementasi per karakter, dan implementasi per tanda nomor kendaraan, secara berturut�turut. Meskipun tidak sempurna, hasil implementasi model yang dilatih dengan datasetrnyang relatif kecil ini mencapai akurasi sebesar 85,32% dan 42,19%. Waktu pelatihan dan pengenalan yang relatif singkat sehingga algoritma ini dapat digunakan sebagai pertimbangan untuk penelitian atau implementasi lebih lanjut.