PENGENALAN PLAT NOMOR KENDARAAN DENGAN YOLOv8 DAN PADDLEOCR
Abstrak
Penelitian ini berfokus pada pengembangan sistem rekognisi plat nomor kendaraan berbasis computer vision yang dirancang untuk meningkatkan efisiensi operasional dan mendukung implementasi sistem keamanan transportasi cerdas (intelligent transportation system) secara real-time. Secara khusus, studi ini mengevaluasi kinerja sistem dalam mendeteksi dan mengenali karakter plat nomor menggunakan pendekatan dua tahap: (1) tahap deteksi objek memanfaatkan model YOLOv8 untuk mengidentifikasi lokasi plat nomor, dan (2) tahap pengenalan karakter dengan PaddleOCR untuk ekstraksi teks. Hasil eksperimen menunjukkan bahwa sistem mencapai akurasi deteksi yang sangat tinggi, dengan precision 96.3% dan recall 98.7%, mengindikasikan kemampuannya beradaptasi dengan variasi kondisi lingkungan seperti perubahan pencahayaan dan sudut kamera. Namun, akurasi pengenalan karakter masih tergolong rendah (39.62%), yang diduga disebabkan oleh keterbatasan kualitas citra input atau kompleksitas dari plat nomor. Temuan ini menggarisbawahi perlunya optimasi tahap pra-pemrosesan citra (seperti noise reduction, contrast enhancement, atau perspective correction) untuk meningkatkan keterbacaan teks sebelum proses OCR. Ke depan, penelitian ini akan menguji berbagai metode pengolahan citra dan arsitektur model alternatif guna meningkatkan akurasi pengenalan serta stabilitas performa real-time, sehingga sistem dapat diintegrasikan secara efektif dalam aplikasi transportasi cerdas seperti pengawasan lalu lintas, parkir otomatis, atau penegakan hukum berbasis Artificial Intelligence.
Identifier
- DOI: https://doi.org/10.54840/jcstech.v5i2.374
- OpenAlex: https://openalex.org/W4416122913