PENGEMBANGAN SISTEM AUTOMATIC NUMBER PLATE RECOGNITION BERBASIS SSD MOBILENETV3 DAN PADDLE OCR

2107411003, Chaesa Adella Rahma (2026) PENGEMBANGAN SISTEM AUTOMATIC NUMBER PLATE RECOGNITION BERBASIS SSD MOBILENETV3 DAN PADDLE OCR. D4 thesis, Politeknik Negeri Jakarta.

[thumbnail of Halaman Identitas Skripsi (Judul, Lembar Pengesahan, Halaman Deklarasi Orisinalitas, Kata Pengantar, Daftar Isi, Daftar Gambar, Daftar Tabel), Abstrak, Bab 1, Bab 5, Daftar Pustaka/Referensi dan Lampiran] Text (Halaman Identitas Skripsi (Judul, Lembar Pengesahan, Halaman Deklarasi Orisinalitas, Kata Pengantar, Daftar Isi, Daftar Gambar, Daftar Tabel), Abstrak, Bab 1, Bab 5, Daftar Pustaka/Referensi dan Lampiran)
Halaman Identitas Skripsi_2107411003.pdf

Download (1MB)
[thumbnail of Isi (Bab 2 s/d Bab 4)] Text (Isi (Bab 2 s/d Bab 4))
Isi_2107411003.pdf
Restricted to Hanya Civitas Akademika PNJ

Download (2MB)
[thumbnail of Manuskrip artikel ilmiah (jurnal)] Text (Manuskrip artikel ilmiah (jurnal))
b. Jurnal Multinetics_2107411003_Chaesa_Adella_Rahma.pdf
Restricted to Hanya Staff Repositori

Download (337kB)

Abstrak

Peningkatan jumlah kendaraan di Indonesia mendorong kebutuhan akan sistem transportasi yang lebih efisien, khususnya pada implementasi sistem pembayaran tol Multi Lane Free Flow (MLFF) berbasis Radio Frequency Identification (RFID). Untuk mendukung proses verifikasi kendaraan pada sistem tersebut, diperlukan teknologi Automatic Number Plate Recognition (ANPR) yang mampu mendeteksi dan mengenali pelat nomor kendaraan secara otomatis. Penelitian ini bertujuan mengembangkan sistem ANPR berbasis website menggunakan SSD MobileNetV3 sebagai model deteksi pelat nomor dan PaddleOCR sebagai model rekognisi karakter. Metode penelitian yang digunakan adalah pendekatan kuantitatif dengan jenis riset eksperimental. Dataset berupa citra kendaraan berpelat nomor Indonesia diproses melalui tahap augmentasi data sebelum digunakan untuk pelatihan model. Model yang dikembangkan kemudian diintegrasikan ke dalam aplikasi web menggunakan framework Flask. Hasil evaluasi menunjukkan bahwa SSD MobileNetV3 memperoleh nilai mAP sebesar 0,7349 dan mAP@50 sebesar 96,74%. Pengujian menunjukkan bahwa nilai threshold 0,8 memberikan performa terbaik, sedangkan analisis tambahan menunjukkan bahwa kemampuan deteksi dipengaruhi oleh jarak dan sudut pengambilan citra. Pengujian website menggunakan metode Black Box Testing memperoleh tingkat keberhasilan sebesar 100%. Hasil penelitian menunjukkan bahwa sistem mampu melakukan deteksi dan rekognisi pelat nomor kendaraan secara otomatis serta berhasil diimplementasikan dalam aplikasi web.

Tipe Dokumen: Thesis / Skripsi / Tugas Akhir (D4)
Subjek: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer
000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data
600 – Teknologi (Ilmu Terapan) > 600 Teknologi (ilmu terapan) > 607 Pendidikan, riset, topik terkait
Bidang, Unit, atau Jurusan Yang Ditujukan: Teknik Informatika dan Komputer > Teknik Informatika D4
User ID Pengunggah: Chaesa Adella Rahma
Date Deposited: 08 Jul 2026 09:37
Last Modified: 08 Jul 2026 09:37
URI: https://repository.pnj.ac.id/id/eprint/37927

Actions (login required)

View Item
View Item