Segmentasi dan Pengenalan Obyek Karakter Berbasis 2D-Correlation Coefficient Pada Plat Nomor Kendaraan

Sistem pengenalan karakter plat nomor kendaraan saat ini sudah banyak diciptakan dengan berbagai metode oleh peneliti-peneliti sebelumnya. Dalam penelitian ini akan dilakukan pengenalan karakter berbasis 2-D Correlation Coefficient. Ada beberapa tahap yang dilakukan, pertama pre-processing yaitu menghilangkan noise dengan menggunakan metode Median Filter dan Adaptive Wiener Filter. Hal ini dilakukan untuk membandingkan kedua metode tersebut. Kedua, segmentasi karakter berdasarkan topologi citra. Ketiga, resizing supaya ukuran dimensi masing-masing citra karakter sama dengan citra karakter pada data training. Proses terakhir dilakukan pengenalan karakter dengan mengukur similarity menggunakan metode Manhattan Distance, Euclidian Distance dan 2-D Correlation Coefficient sekaligus dilakukan eksperimen dan analisa terhadap hasil masing-masing metode. Eksperimen dilakukan terhadap 50 citra plat nomor dengan citra data training karakter A-Z dan angka 0-9. Dari hasil eksperimen dengan filtering Median Filter diperoleh akurasi menggunakan Manhattan Distance sebesar 76.65 %, Euclidian Distance sebesar 74.55 %, dan 2-D Correlation Coefficient sebesar 82.00 %. Dan hasil eksperimen dengan filtering Adaptive Wiener Filter diperoleh akurasi menggunakan Manhattan Distance sebesar 83.99 %, menggunakan Euclidian Distance sebesar 80.78 %, dan menggunakan 2-D Correlation Coefficient sebesar 84.79 %.