<?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="148675">
 <titleInfo>
  <title>IMPLEMENTASI CONVOLUTIONAL RECURRENT NEURAL NETWORK (CRNN) UNTUK IDENTIFIKASI PLAT NOMOR KENDARAAN PADA SISTEM PARKIR BERBASIS RASPBERRY PI</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Rivaul Muzammil</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>Prog. Studi Magister Teknik Elektro</publisher>
   <dateIssued>2025</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Theses</form>
  <extent></extent>
 </physicalDescription>
 <note>Peningkatan jumlah kendaraan bermotor di Indonesia menjadi tantangan tersendiri bagi manajemen tempat parkir. Penelitian ini mengusulkan implementasi sistem parkir cerdas menggunakan pengenal karakter plat nomor kendaraan. Sistem parkir cerdas yang akan dibangun menggunakan model You Only Look Once (YOLOv8) untuk mendeteksi area plat nomor dan pengenalan karakter berbasis Convolutional Recurrent Neural Network (CRNN) yang ditanam pada suatu prototipe berbasis Raspberry Pi. Model ini diintegrasikan dengan perangkat Raspberrypi, Kamera, dan motor Servo untuk deteksi otomatis plat nomor kendaraan saat memasuki dan meninggalkan tempat parkir. Model YOLOv8 mendeteksi area plat nomor dengan menghasilkan kotak pembatas (bounding box) melalui lapisan konvolusi. Kotak ini digunakan untuk memotong area relevan dari gambar asli, menghasilkan citra yang hanya berisi plat nomor. Citra tersebut kemudian diproses lebih lanjut melalui tahap pra-pemrosesan agar sesuai dengan format input model CRNN. Model CRNN mengekstraksi fitur visual melalui lapisan konvolusi dan memodelkan hubungan antar karakter menggunakan lapisan recurrent untuk mengenali karakter plat nomor. Proses ini diimplementasikan pada Raspberry Pi menggunakan TensorFlow Lite, yang memungkinkan YOLOv8 dan CRNN berjalan secara efisien. Hasil yang di peroleh dari model YOLOv8 untuk deteksi area letak plat nomor mendapatkan akurasi sebesar 94,69%, dengan Precision 98,32%, Recall 96,25%, dan untuk F1 Score 97,27%. Untuk pengenalan karakter dengan model CRNN pada 30 plat nomor menghasilkan akurasi 93,8%. Namun ada beberapa karakter plat nomor yang tidak terdeteksi dengan tepat seperti karakter ‘G’ terdeteksi ‘C’,  ‘Q’ terdeteksi ‘O’ dan ‘W’ terdeteksi ‘H’ dan ‘M’.</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>148675</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2025-01-21 11:50:24</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2025-01-21 11:55:44</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>