Sistem pengenalan karakter pada plat nomor kendaraan Indonesia memberikan alternatif pengenalan karakter plat kendaraan menggunakan metode Convolutional Neural Network (CNN) untuk mengenali objek pada gambar selayaknya manusia dengan pembelajaran pada sebuah komputer dengan menggunakan jaringan saraf tiruan. Pengenalan karakter plat nomor kendaraan Indonesia merupakan salah satu jenis deep learning karena dapat mengenali berbagai karakter huruf dan angka. Tujuan dari penelitian dapat memberikan solusi agar memudahkan kepada petugas parkir yang khususnya masih dilakukan secara manual pencatatan nomornya, sehingga dapat dilakukan secara otomatis oleh sistem langsung di deteksi karakter nomor kendaraan tersebut dan juga mengurangi human error. Hasil dari penelitian ini adalah sistem yang sudah ada pada komputer dapat mengenali karakter pada plat nomor kendaraan Indonesia yang sudah kita masukkan. Data yang digunakan dalam penelitian ini sebanyak 40 citra mobil dan 36 kelas karakter yang terdiri dari huruf dan angka. Hasil akurasi pengujian plat kendaraan dengan metode CNN yaitu dengan tingkat akurasi mencapai 96 % dengan tingkat kesalahan 11,78%.

Plat nomor merupakan identitas wajib terdiri dari huruf dan angka yang ada pada kendaraan. Plat nomor dapat dimanfaatkan dalam berbagai kebutuhan seperti sistem parkir, pengawasan lalu lintas, dan pengecekan identitas ketika terjadi kecelakaan. Pengenalan karakter dapat menggunakan Optical Character Recognition (OCR) yang melakukan metode template matching pada huruf dan angka. Menggunakan Convolutional Neural Network dengan melatih data EMINST untuk melakukan pengenalan karakter. Tujuan penelitian ini sebagai perbandingan penggunaan metode OCR menggunakan Tesseract dan CNN dalam melakukan pengenalan karakter. Data yang diuji sebanyak 58 citra mobil dengan 36 kelas karakter yang terdiri dari huruf dan angka. Pengujian pengenalan karakter menggunakan CNN pada data latih EMNIST menghasilkan kinerja yang kurang baik dengan 11 citra miliki akurasi diatas 75%. Penelitian ini menghasilkan pengenalan karakter terbaik pada Tesseract-OCR menggunakan segmentasi karakter pada plat nomor dengan 44 citra memiliki akurasi diatas 75%.

No abstract

Di Indonesia pengguna internet mencapai lebih dari 200 juta pengguna. Telkomsel dan XL bersaing untuk menjadi penyedia layanan internet nomor satu. Media sosial Twitter membuat pengguna lebih jujur dalam memberikan review. Umpan balik pengguna akan menjadi rekomendasi dari mulut ke mulut (WoW). Pada penelitian ini bertujuan untuk mengetahui pandangan masyarakat terhadap provider Telkomsel dan XL berdasarkan data tweet di Twitter pada bulan Juli dan Agustus 2022. Dataset dikumpulkan dari Twitter menggunakan Twitter API dengan kata kunci “XL Internet”, “Telkomsel Internet”, “MyXL”, dan “MyTelkomsel” dan diperoleh sebanyak 17.543 data. Kemudian dataset akan dilakukan case folding, tokenized, normalized, stopword removal, stemming, dan proses pembobotan TF-IDF. Model klasifikasi menggunakan Entropy Maksimum, Multinomial Naïve Bayes, dan Complement Naïve Bayes. Untuk menguji kemampuan menggeneralisasi, dilakukan 10-Fold Cross Validation untuk masing-masing model. Hasil menunjukkan bahwa metode ME lebih baik dari MNB dan CNB dengan nilai akurasi 84,11%, 81,53%, dan 79,95%.