<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="127589">
 <titleInfo>
  <title>IMPLEMENTASI YOLOV7 UNTUK DETEKSI PLAT KENDARAAN DAN PENGENALAN KARAKTER MENGGUNAKAN OCR PADA BERBAGAI KONDISI PENCAHAYAAN</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Iza Aulika</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas Teknik Komputer</publisher>
   <dateIssued>2024</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>License Plate Recognition (LPR) adalah teknologi yang digunakan untuk membaca dan mengenali plat nomor kendaraan secara otomatis. Teknologi LPR menggunakan kamera untuk menangkap gambar plat nomor kendaraan, kemudian menggunakan algoritma Optical Character Recognition (OCR) untuk mengekstrak informasi dari gambar tersebut. Penelitian ini bertujuan untuk mendeteksi plat kendaraan menggunakan algoritma deep learning yaitu Yolov7 dan menggunakan metode OCR untuk pengenalan karakter nomor plat kendaraan serta mengetahui pengaruh dari penggunaan dataset dengan 3 kondisi pencahayaan yang berbeda yaitu siang, sore dan malam. Dalam penelitian ini, digunakan dataset dengan kondisi pencahayaan yang berbeda yaitu siang, sore, dan malam yang diambil secara langsung menggunakan kamera handphone pada area parkiran dan jalanan. Hasil penelitian menunjukkan bahwa model deteksi plat kendaraan mencapai kinerja terbaik pada saat digunakan dataset siang hari, sementara pada dataset sore dan malam tidak menghasilkan model deteksi yang baik dengan menghasilkan jumlah nilai false negative yang tinggi. Selain itu, dalam pendeteksian plat kendaraan, menunjukkan bahwa penggunaan dataset siang memiliki kinerja yang sangat baik dengan mencapai tingkat accuracy sebesar 77,5%, sedangkan pada dataset sore mencapai tingkat accuracy sebesar 76,1%, dan pada dataset malam mencapai tingkat accuracy sebesar 75,2%. Untuk hasil OCR menggunakan library tesseract pada 80 citra uji untuk setiap dataset menunjukkan hasil bahwa sistem dapat mengenali lebih banyak citra pada dataset siang yaitu sebanyak 33 citra plat kendaraan, sedangkan pada dataset sore sebanyak 26 citra dan pada dataset malam sebanyak 13 citra.</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>127589</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2024-08-07 23:36:41</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2024-08-08 09:03:45</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>