ABDUR ROCHMAN WAHID, 081013070 (2014) RANCANG BANGUN ALAT PENGENAL PLAT NOMOR PELANGGAR LALU LINTAS MENGGUNAKAN ARTIFICIAL NEURAL NETWORK. Skripsi thesis, UNIVERSITAS AIRLANGGA.

Preview	Text (ABSTRAK) gdlhub-gdl-s1-2014-wahidabdur-37554-4.-abstr-k.pdf Download (122kB) | Preview
	Text (full text) MPK.%2077-14%20Wah%20r.pdf Restricted to Registered users only Download (2MB) | Request a copy

Abstract

Angka pelanggaran lalu lintas yang kian hari kian marak dilakukan oleh berbagai oknum, menimbulkan banyak permasalahan. Oleh karena itu telah dilakukan penelitian tentang pemanfaatan sensor induksi magnetik yang bertujuan untuk membantu mengurangi angka pelanggaran lalu lintas. Dengan memanfaatkan perbedaan nilai besar medan magnet yang erat kaitannya dengan besar tegangan yang dihasilkan, nantinya hal ini berfungsi sebagai saklar. Perbedaan besar tegangan output akan diolah dengan rangkaian sensor induksi magnetik yang dibuat dengan software EAGLETM, sifatnya hampir sama dengan rangkaian power supply. Setelah diolah oleh rangkaian sensor induksi magnetik, tegangan yang dihasilkan sensor apabila aktif yakni sebesar 5 Volt. Tegangan ini yang mengaktifkan relay, namun sebelumnya relay dialiri tegangan sebesar 12 Volt dari power supply. Tegangan 12 volt inilah yang dikontrol oleh tegangan output sensor untuk menggerakan Aktuator, dan aktuator memanfaatkan gerak selenoid yang dipasangi Stylus. Jika sensor aktif, maka aktuator akan bergerak maju dan stylus menyentuh layar iPod Touch untuk mengambil gambar kendaraan pelanggar lalu lintas. Citra digital yang dihasilkan dari pengambilan data oleh iPod akan langsung dikirim ke komputer server memanfaatkan fitur iCloud Photo Stream. Dengan waktu download yang tergantung pada kecepatan jaringan internet komputer server. Ketika data citra digital telah terdownload otomatis di folder Photo Stream, data digital diolah dengan menggunakan program yang terbuat dari MATLABTM R2008B. Menggunakan fitur GUI (Graphic User Interface) pada MATLAB dan diproses memanfaatkan Artificial Neural Network (ANN) yang menggunakan metode OCR (Optical Character Recognition), tingkat akurasi terbaik yaitu sebesar 36,67% didapatkan pada uji coba dengan jumlah training sebanyak 35x, dan ukuran image sebesar 800x533 piksel. Sementara itu untuk pemrosesan identifikasi data uji membutuhkan waktu 15 detik untuk memprosesnya.

Actions (login required)

View Item