Upload
dafiani
View
237
Download
14
Embed Size (px)
Citation preview
BAB II
LANDASAN TEORI
Pada bab ini menjelaskan teori-teori tentang konsep dasar dari
pemrosesan citra digital (digital image processing), teori yang mendukung proses
pengenalan plat nomor kendaraan seperti teori Sliding Concentric Window
(SCW), Sauvola Thesholding, Connected Component Analysis (CCA), metode
Jaringan Syaraf Tiruan Learning Vector Quantization (LVQ). Kemudian teori
tentang plat nomor kendaraan yang berlaku di Indonesia juga akan dijelaskan di
sini.
2.1. Computer Vision
Computer vision adalah ilmu dan metode aplikasi dalam
menggunakan komputer untuk memahami isi citra (image content). Area
permasalahan dalam computer vision adalah pengukuran dan pemrosessan,
yang dapat dilakukan dengan berbagai metode.
Dengan computer vision, objek fisik nyata dan pemandangan
berdasarkan citra yang didapat dari sensor akan dapat menghasilkan
keputusan yang berguna. Computer vision ingin membangun sebuah mesin
cerdas yang mampu melihat dan mendeteksi sebuah objek, tentunya hal ini
tidaklah mustahil. Ada berbagai contoh dari aplikasi computer vision seperti
Human Computer Interaction (HCI), Object Identification, dan
Recognation.
Dalam mengambil keputusan tentang objek nyata, ternyata selalu
dibutuhkan untuk membangun beberapa deskripsi atau model objek-objek
tersebut dari gambar yang ada. Oleh karena itu, banyak para ahli berkata
bahwa tujuan dari computer vision adalah konstruksi dari deskripsi
pemandangan yang diambil dari gambar yang diperoleh. Beberapa area
permaslahan computer vision adalah sebagai berikut:
1. Recognation/Pengenalan bertujuan mengenali objek data citra,
aplikasinya seperti Content Based Image Retrieval (CBIR), Optical
Character Recognition (OCR).
6
2. Motion/gerakan bertujuan mengenali data citra bergerak. Aplikasinya
seperti Egomotion yang membagi gerakan 3D dari kamera, Tracking
yang memperkirakan satu atau beberapa objek dalam citra bergerak
3. Restorasi citra, bertujuan untuk mendapatkan data citra, citra bergerak
atau objek 3D tanpa noise.
2.2. Digital Image Processing
Pengolahan citra digital merupakan proses yang bertujuan untuk
memanipulasi dan menganalisis citra dengan bantuan komputer. Pengolahan
citra digital dapat dikelompokkan dalam dua jenis kegiatan :
1. Memperbaiki kualitas suatu gambar, sehingga dapat lebih mudah
diinterpretasi oleh mata manusia.
2. Mengolah informasi yang terdapat pada suatu gambar untuk keperluan
pengenalan objek secara otomatis.
Bidang aplikasi kedua yang sangat erat hubungannya dengan ilmu
pengetahuan pola (pattern recognition) yang umumnya bertujuan mengenali
suatu objek dengan cara mengekstrak informasi penting yang terdapat pada
suatu citra. Bila pengenalan pola dihubungkan dengan pengolahan citra,
diharapkan akan terbentuk suatu sistem yang dapat memproses citra
masukan sehingga citra tersebut dapat dikenali polanya. Proses ini disebut
pengenalan citra atau image recognition. Proses pengenalan citra ini sering
diterapkan dalam kehidupan sehari-hari.
Pengolahan citra dan pengenalan pola menjadi bagian dari proses
pengenalan citra. Kedua aplikasi ini akan saling melengkapi untuk
mendapatkan ciri khas dari suatu citra yang hendak dikenali. Secara umum
tahapan pengolahan citra digital meliputi akusisi citra, peningkatan kualitas
citra, segmentasi citra, representasi dan uraian, pengenalan dan interpretasi.
a. Akusisi citra
Pengambilan data dapat dilakukan dengan menggunakan berbagai
media seperti kamera analog, kamera digital, handycamp, scanner,
7
optical reader dan sebagainya. Citra yang dihasilkan belum tentu data
digital, sehingga perlu didigitalisasi.
b. Peningkatan kualitas citra
Pada tahap ini dikenal dengan pre-processing dimana dalam
meningkatkan kualitas citra dapat meningkatkan kemungkinan dalam
keberhasilan pada tahap pengolahan citra digital berikutnya.
c. Segmentasi Citra
Segmentasi bertujuan untuk memilih dan mengisolasikan (memisahkan)
suatu objek dari keseluruhan citra. Terdapat macam-macam segmentasi
seperti downsampling, penapisan, deteksi tepian, sliding consentric
window, dan lain sebagainya.
d. Representasi dan Uraian
Representasi mengacu pada data konversi dari hasil segmentasi ke
bentuk yang lebih sesuai untuk proses pengolahan pada komputer.
Setelah data telah direpresentasikan ke bentuk tipe yang lebih sesuai,
tahap selanjutnya adalah menguraikan data.
e. Pengenalan dan Interpretasi
Pengenalan pola tidak hanya bertujuan untuk mendapatkan citra dengan
suatu kualitas tertentu, tetapi juga untuk mengklasifikasikan bermacam-
macam citra. Dari sejumlah citra diolah sehingga citra dengan ciri yang
sama akan dikelompokkan pada suatu kelompok tertentu. Interpretasi
meliputi penekanan dalam mengartikan objek yang dikenali.
8
2.2.1. Jenis Citra
a. Citra RGB
(a)
(b) (c) (d)
Gambar 2.1 Citra RGB, (a) citra original, (b) layer red, (c) layer
green, (d) layer blue
Citra RGB adalah citra yang terdiri dari 3 layer yaitu layer Red
(merah), layer Green (hijau), dan layer Blue (biru). Pada setiap
layernya memiliki intensitas antara 0-256. Sehingga misalnya
gambar RGB pada piksel ke x,y adalah 128, nilai 128 adalah nilai
kombinasi dari layer R, G, dan B.
b. Citra Grayscale
(a) (b)
Gambar 2.2 Citra Grayscale, (a) citra original, (b) citra
grayscale
Pada citra grayscale ini hanya memiliki 1 layer saja dengan
intensitas warna dari 0-256. Semakin mendekati 0, warna akan
semakin gelap. Namun jika mendekati 256, maka warna semakin
terang. Representasi citra grayscale adalah warna hitam-keabuan-
putih.
9
c. Citra Biner
Citra biner adalah citra yang memiliki warna hitam dan putih
saja. Nilai piksel untuk hitam adalah 0, sedangkan putih adalah 1.
Citra biner sering disebut juga dengan citra B&W (black &
white) atau citra monokrom. Berikut adalah contoh citra biner.
(a) (b)
Gambar 2.3 Citra Biner, (a) citra original, (b) citra biner
d. Citra negatif
Sebuah citra positif adalah gambar normal. Sebuah gambar
negatif adalah pembalikan total citra positif, di mana akan
muncul bidang gelap dan sebaliknya. Terdapat kondisi-kondisi
pada citra dengan warna negatif yaitu pada daerah merah muncul
warna cyan, magenta muncul warna hijau, dan biru muncul
kuning. Hal ini kadang-kadang dapat memiliki efek sebaliknya
dan menyebabkan hijau muncul cokelat kemerahan.
(a) (b)
Gambar 2.4 Citra Negatif, (a) citra original, (b) citra negatif
2.2.2. Image Morphology
Macam-macam morfologi dalam pengolahan citra antara lain:
a. Erosi (Erosion), adalah operasi untuk memperkecil daerah citra.
Sebelum melakukan erosi maupun dilasi, yang perlu diketahui
adalah jenis struktur elemen yang digunakan. Struktur elemen
10
(strel) sendiri adalah himpunan sub-image kecil yang digunakan
untuk meneliti citra dalam pembelajaran propertinya. Biasanya
ditandai dengan titik hitam. Jika tidak ada tanda titik hitam maka
diasumsikan origin berada di pusat simetri karena origin tidak
selalu berada di tengah, bisa berada di pinggir strel.
Gambar 2.5 Operasi Erosi
b. Dilasi (Dilation), adalah operasi untuk memperluas daerah citra.
Gambar 2.6 Operasi Dilasi
11
Dilasi ini sangat berguna ketika diterapkan dalam objek-
objek yang terputus dikarenakan hasil pengambilan citra yang
terganggu oleh noise, kerusakan objek fisik yang dijadikan citra
digital, atau disebabkan resolusi yang jelek, misalnya teks pada
kertas yang sudah agak rusak sehingga bentuk hurufnya
terputus, dan sebagainya.
c. Opening, operasi dilasi yang dilakukan setelah erosi.
d. Closing, operasi erosi yang dilakukan setelah dilasi.
Morfologi closing dan opening merupakan morfologi yang
memanfaatkan operasi erosi dan dilasi. Sehingga bisa dikatakan
bahwa operasi erosi dan dilasi adalah dasar untuk melakukan
operasi closing dan opening. Gambar berikut ini adalah contoh hasil
operasi erosi, dilasi, closing dan opening.
(a) (b) (c) (d) (e) Source:http://www.dspguide.com/ch25/4.htm
Gambar 2.7 Morfologi Citra, (a) citra asli, (b) citra erosi, (c) citra
dilasi, (d) citra opening, (e) citra closing
e. Resize, mengubah ukuran gambar.
Resize memiliki bermacam-macam cara, 3 diantaranya adalah:
1. Nearest_Neighbour : konsepnya adalah menggantikan setiap
piksel dengan 4 piksel dengan warna yang sama. Hasil dari
resize ini menunjukkan bentuk karakteristik tangga.
2. Bilinier Interpolation : metode ini membuat perubahan
ukuran citra dengan hasil yang lebih halus dan lebih baik dari
metode Nearest_Neighbour, namun masih sedikit bergerigi.
12
Bagian yang lebih halus ini terkadang malah menjadi
kelemahannya.
3. Bicubic Interpolation : metode ini mengubah ukuran citra
dengan tetap mempertahankan detail dan mempertajam citra.
Metode ini paling baik diantara ketiga metode resize.
(a) (b) (c)
Gambar 2.8 Resize 3 Metode, (a) nearest-Neighbour, (b) Bilinier
Interpolation, (c) Bicubic Interpolation
f. Crop, memotong gambar pada area tertentu.
2.2.3. Labeling
Metode pelabelan suatu citra adalah memberikan label pada
objek citra sesuai jenis koneksi ketetanggaannya (pixel connectivity).
Koneksi ketetanggaan tersebut terdapat 2 macam yaitu:
a. Ketetanggaan 4 koneksi (Neighbour 4-connectivity)
Cara ini mengambil 4 piksel ketetanggaan/4 arah ketetanggaan
pada piksel X(x,y) yaitu 1 piksel tepat di atas X (X(x-1, y)), di
bawah X (X(x+1, y)), di kiri X (X(x, y-1)), dan di kanan X (X(x,
y+1)). Dapat dilihat pada gambar 2.7.
b. Ketetanggaan 8 koneksi (Neighbour 8-connectivity)
Sedangkan pada 8-connected, mengambil 8 tetangga dari piksel
X(x,y). Maksud 8 tetangga tersebut adalah 8 piksel dari 8 arah.
13
Source:http://www.cs.auckland.ac.nz/courses/compsci773s1c/lectures/ImageProcessing-html/topic3.htm
Gambar 2.9 Pixel Connectivity
Pada gambar di atas, pusat pelabelan adalah pada kotak
bertuliskan (x,y)/piksel (x,y). Pada proses pelabelan, piksel (x,y)
akan melihat piksel-piksel yang ada di sekitarnya (menyesuaikan
jenis koneksi ketetanggaan yang dipakai), jika terdapat piksel
yang sama dengan piksel (x,y), maka pada piksel tersebut akan
menjadi tetangga dari piksel (x,y) dan sebaliknya jika tidak sama
dengan piksel (x,y), maka piksel tersebut bukan tetangga piksel
(x,y). Di bawah ini merupakan gambar hasil pelabelan dengan
ketetanggaan 4 koneksi dan 8 koneksi.
Source:http://www.cs.auckland.ac.nz/courses/compsci773s1c/lectures/ImageProcessing-html/topic3.htm
Gambar 2.10 Pelabelan Citra Menggunakan 4-Neighbourhood
(kiri) dan 8-Neighbourhood (kanan)
2.3. Metode Pencarian Plat Nomor Kendaraan
2.3.1. Sliding Concentric Window (SCW)
Metode SCW adalah salah satu metode segmentasi adaptif
yang dikembangkan untuk menggambarkan bagian ketidakteraturan
14
suatu daerah tertentu pada gambar. Metode ini membutuhkan nilai
mean (rata-rata) atau standar deviasi yang diperoleh dari perhitungan
di jendela A dan jendela B. Jendela A memiliki ukuran piksel (2X1)
x (2Y1), sedangkan jendela B berukuran (2X2) x (2Y2). Kedua
jendela ini nantinya akan memindai (scanning) gambar I1 secara
mendatar, berurutan dari piksel pertama di pojok kiri atas hingga
piksel terakhir di pojok kanan bawah. Pada saat proses pemindaian,
akan dihitung nilai rata-rata atau nilai standar deviasi dari jendela A
dan jendela B.
Setelah nilai rata-rata atau standar deviasi diperoleh, maka
akan dihitung nilai rasio yaitu nilai rata-rata atau standar deviasi
jendela A dibagi dengan nilai rata-rata atau standar deviasi jendela
B. Kemudian nilai rasio dibandingkan dengan nilai threshold (nilai
ambang batas) yang telah ditentukan sebelumnya. Hasil perhitungan
ini akan menentukan apakah nilai piksel di gambar I1(x,y)
merupakan daerah tujuan (disebut juga Region of Interest (RoI))
atau bukan. Jika nilai rasio lebih dari ambang batas maka gambar
I1(x,y) merupakan daerah tujuan dan pada gambar IAND(x,y) akan
diberi nilai 1, namun jika sebaliknya maka gambar I1(x,y) bukan
merupakan daerah tujuan sehingga pada gambar IAND(x,y) akan
diberi nilai 0.
IAND(x,y) = 0, jika MA ≤ T MB
I1(x,y) � IAND(x,y) = 1, jika MA > T
MB
15
Disini, tidak ada cara terbaik untuk menentukan nilai ambang
batas T, sehingga perlu melakukan trial and error prosedur agar
mendapatkan nilai ambang batas T yang sesuai dengan aplikasi.
2.3.2. Sauvola Threshold
Metode Sauvola merupakan metode yang digunakan untuk
membuat gambar biner. Teknik pencarian ambang batas ini
menghitung nilai ambang batas pada setiap piksel. Sehingga nilai
ambang batas bisa berubah-ubah atau adaptif tergantung dari nilai
lokal rata-rata dan standar deviasi pada jendela berukuran b x b.
Berikut ini adalah perhitungan nilai ambang batas T(x,y):
Dimana m(i,j) dan �(i,j) adalah lokal rata-rata dan standar
deviasi, k=0.5, R=128, dan b=10. Dalam menentukan nilai 1 atau 0,
nilai ambang batas dibandingkan dengan nilai piksel di koordinat
I(x,y).
2.3.3. Connected Component Analysis (CCA)
CCA merupakan teknik yang banyak dikenal pada pemrosesan
dimana gambar diteliti untuk masing-masing piksel kemudian diberi
label berdasarkan hubungan ketetanggaannya. Setelah semua grup
ditentukan, masing-masing piksel diberi label sesuai dengan
komponen tempat piksel berada. CCA berfungsi untuk mendeteksi
daerah yang berhubungan.
CCA bekerja pada gambar biner maupun grayscale dan jenis
hubungan yang berbeda dapat digunakan (misal 4 arah ketetanggaan
atau 8 arah ketetanggaan). Melabeli berbagai area pada sebuah
T(x,y) = m(x,y) + �1 + �. ��,��� − 1��
0 jika I2 (x,y) < T (x,y) I3(x,y) �
1 jika I2 (x,y) ≥ T (x,y)
16
gambar merupakan hal yang penting dilakukan pada analisis gambar
karena banyak ukuran dan fitur penting yang dapat diperoleh, misal
area, arah, perimeter aspek rasio, bilangan Euler, dan dan
sebagainya.
Aspek rasio dapat diperoleh dengan menemukan nilai
minimum dan maksimum pada baris dan kolom ditempat objek
berada. Rumusnya adalah:
Dimana c adalah kolom dan r adalah baris. Sedangkan untuk
memperoleh nilai arah digunakan rumus:
Bilangan euler pada sebuah gambar didefinisikan sebagai
jumlah objek dikurangi jumlah lubang. Untuk objek tunggal,
bilangan Euler menyediakan jumlah lekukan tertutup yang ada pada
objek. Terlihat jelas pada gambar biner, karakter pada plat nomor
mewakili lubang pada objek plat.
2.3.4. Jaringan Syaraf Tiruan dengan Metode Learning Vector
Quantization (LVQ)
a. Pengertian Jaringan Syaraf Tiruan (Neural Network)
Metode LVQ termasuk salah satu metode pada jaringan syaraf
tiruan. Jaringan syaraf tiruan sendiri adalah salah satu representasi
buatan dari otak manusia yang selalu mencoba untuk
mensimulasikan proses pembelajaran pada otak manusia tersebut.
Bisa dikatakan bahwa jaringan syaraf tiruan melakukan
pembelajaran dan pelatihan untuk mendapatkan keluaran atau
cMAX – cMIN + 1
rMAX – rMIN + 1
17
kesimpulan dari jaringan. Struktur jaringan syaraf tiruan dapat dilihat
pada gambar di bawah ini.
Gambar 2.11 Struktur Jaringan Syaraf Tiruan
Berdasarkan gambar tersebut, struktur jaringan syaraf tiruan
dibagi menjadi 3 bagian yaitu fungsi penjumlah (Summing
Function), Fungsi aktifasi (Activatian Function), dan Keluaran
(Output). Elemen-eleman yang membentuk keluaran antara lain:
1. Himpunan-himpunan yang dihubungkan dengan jalur koneksi.
Jumlah bobot pada masing-masing jalur memiliki jumlah yang
berbeda-beda tergantung dari jumlah, struktur, dan pola hubungan
antar unit. Bobot yang bernilai positif akan memperkuat sinyal,
sedangkan bobot yang bernilai negatif akan melemahkan sinyal
yang dibawa.
2. Unit penjumlah yang akan menjumlahkan sinyal masukan yang
telah dikalikan dengan bobotnya.
3. Fungsi aktivasi yang akan menentukan apakah sinyal dari input
neuron akan diteruskan ke neuron yang lain atau tidak. Pada
fungsi aktivasi asil di unit penjumlahan akan dibandingkan
dengan nilai ambang batas.
Setiap pola-pola informasi masukan dan keluaran diproses di
dalam neuron. Neuron-neuron ini terkumpul dalam lapisan yang
disebut neuron layers. Jenis lapisan ada 3 yaitu lapisan input, lapisan
tersembunyi (hidden), dan lapisan output. Lapisan input berarti nilai-
18
nilai input yang menggambarkan suatu permasalahan, lapisan
tersembunyi berarti lapisan yang nilai keluarannya tidak bisa
langsung diamati, sedangkan lapisan output adalah lapisan nilai
solusi dari permasalahan.
Arsitektur jaringan syaraf tiruan ada beberapa macam, antara
lain:
1. Jaringan dengan lapisan tunggal (single layer net)
Ciri khas pada jenis ini adalah tidak memiliki lapisan
tersembunyi. Jaringan ini hanya menerima input kemudian
langsung mengolahnya menjadi output.
Gambar 2.12 Arsitektur Jaringan dengan Lapisan Tunggal
2. Jaringan dengan banyak lapisan (multilayer net)
Ciri dari jenis ini adalah memiliki lebih dari 1 lapisan
tersembunyi. Jaringan ini biasanya digunakan pada kasus yang
lebih rumit/kompleks.
Gambar 2.1
3. Jaringa
Terdiri dari sekumpulan neuron yang bersaing untuk
mendapatkan hak menjadi aktif.
Gambar 2.1
Berdasarkan proses pembelajaran/pelatihan pada jaringan
syaraf tiruan dikelompokan menjadi 2 kelompok, yaitu:
1. Pembelajaran terawasi (
Pembelajaran yang terawasi adalah pembelajaran yang
sebelumnya telah mengetahui
kasusnya adalah kasus pengenalan pola.
2. Pembelajaran tak terawasi (
Metode ini
ini adalah mengelompokkan unit
suatu area tertentu.
Gambar 2.13 Arsitektur Jaringan dengan Banyak Lapisan
Jaringan dengan lapisan kompetitif
Terdiri dari sekumpulan neuron yang bersaing untuk
mendapatkan hak menjadi aktif.
Gambar 2.14 Arsitektur Jaringan dengan Lapisan Kompetitif
Berdasarkan proses pembelajaran/pelatihan pada jaringan
syaraf tiruan dikelompokan menjadi 2 kelompok, yaitu:
Pembelajaran terawasi (supervised learning)
Pembelajaran yang terawasi adalah pembelajaran yang
sebelumnya telah mengetahui output yang diharapkan. Contoh
kasusnya adalah kasus pengenalan pola.
Pembelajaran tak terawasi (unsupervised learning
Metode ini tidak membutuhkan target output. Cara pembelajaran
ini adalah mengelompokkan unit-unit yang hampir sama dalam
suatu area tertentu.
19
Arsitektur Jaringan dengan Banyak Lapisan
Terdiri dari sekumpulan neuron yang bersaing untuk
Arsitektur Jaringan dengan Lapisan Kompetitif
Berdasarkan proses pembelajaran/pelatihan pada jaringan
syaraf tiruan dikelompokan menjadi 2 kelompok, yaitu:
Pembelajaran yang terawasi adalah pembelajaran yang
yang diharapkan. Contoh
learning)
. Cara pembelajaran
unit yang hampir sama dalam
20
3. Pembelajaran hibrida (hybrid learning)
Metode ini merupakan kombinasi dari pembelajaran terawasi dan
tak terawasi. Sebagian bobot-bobotnya ditentukan melalui
pembelajaran terawasi dan sebagian yang lain melalui
pembelajaran tak terawasi.
b. Learning Vector Quantization (LVQ)
Learning Vector Quantization (LVQ) adalah metode untuk
melakukan membelajaran pada lapisan kompetitif terawasi. Suatu
lapisan kompetitif akan secara otomatis belajar untuk
mengklasifikasikan vektor-vektor input. Kelas-kelas yang
didapatkan sebagai hasil dari lapisan kompetitif ini hanya
tergantung pada jarak antara vektor-vekor input. Jika vektor input
mendekati sama, maka lapisan kompetitif akan meletakkan kedua
vektor input tersebut ke dalam kelas yang sama.
Algoritma dari LVQ adalah:
1. Tetapkan: bobot (W), maksimum epoh (MaxEpoh), error
minimum yang diharapkan (Eps), Learning rate (α)
2. Masukkan:
- Input : x(m,n)
- Targetm : T(1,n)
3. Tetapkan konndisi awal: epoh = 0, err = 1
4. Kerjakan jika (epoh < MaxEpoh) atau (α > eps)
a. epoh = epoh + 1;
b. kerjakan untuk i=1 sampai n
i. tentukan J sedemikian hingga || x-wj|| minimum (sebut
sebagai Cj)
ii. perbaiki wj dengan ketentuan:
- jika T = Cj maka: wj(baru) = wj(lama) + α(x-wj(lama))
- jika T ≠ Cj maka: wj(baru) = wj(lama) - α(x-wj(lama))
c. kurangi nilai α.
Adapun kelebihan dan kekurangan metode LVQ dapat dilihat
pada tabel di bawah ini.
Tabel 2.1
No
1.
Nilai errordibandingkan dengan jaringan syaraf tiruan yang lain seperti backpropagation
2.
Dapat meringkas data set yang besar menjadi vektor berukuran kecil untuk klasifikasi
3. Dimensi dalam dibatasi seperti dalam teknik nearest neighbour
4. Model yang dihasilkan dapat diperbaharui secara bertahap
Source:http://repository.ipb.ac.id/bitstream/handle/123456789/47300/BAB%auan%20Pustaka_%20G11mrf.pdf?sequence=5
2.4. Tanda Nomor Kendaraan Bermotor (TNKB)
Tanda Nomor Kendaraan Bermotor atau yang lebih sering disebut
plat nomor atau nomor polisi (nopol) adalah plat aluminium yang berisi
tulisan dari kendaraan bermotor
Bersama Samsat. Tulisan yang ada di plat nomor kendaraan ada 2 tulisan
yaitu untuk baris pertama adalah kode wilayah (huruf), nomor polisi
(angka), dan kode/seri akhir wilayah (huruf), sedangkan untuk baris kedua
(dengan ukuran tulisan yang lebih kecil dari tulisan di baris pertama) adalah
bulan dan tahun masa berlaku.
Gambar 2.
Adapun kelebihan dan kekurangan metode LVQ dapat dilihat
pada tabel di bawah ini.
Tabel 2.1 Kelebihan dan Kekurangan JST Metode LVQ
Kelebihan Kekuranganerror lebih kecil
dibandingkan dengan jaringan syaraf tiruan yang lain seperti backpropagation
Diperlukan perhitungan jarak untuk seluruh atribut
Dapat meringkas data set yang besar menjadi vektor codebook berukuran kecil untuk klasifikasi
Akurasi model yang bergantung pada inisialisasi model serta parameter yang digunakan (learning rateiterasi, dan sebagainya)
Dimensi dalam codebook tidak dibatasi seperti dalam teknik nearest neighbour
Akurasi juga dipengaruhi distribusi kelas pada data training
Model yang dihasilkan dapat diperbaharui secara bertahap
Sulit untuk menentukan jumlah codebook vektor untuk masalah yang diberikan
http://repository.ipb.ac.id/bitstream/handle/123456789/47300/BAB%auan%20Pustaka_%20G11mrf.pdf?sequence=5
Tanda Nomor Kendaraan Bermotor (TNKB)
Tanda Nomor Kendaraan Bermotor atau yang lebih sering disebut
plat nomor atau nomor polisi (nopol) adalah plat aluminium yang berisi
tulisan dari kendaraan bermotor yang telah didaftarkan pada Kantor
Bersama Samsat. Tulisan yang ada di plat nomor kendaraan ada 2 tulisan
yaitu untuk baris pertama adalah kode wilayah (huruf), nomor polisi
(angka), dan kode/seri akhir wilayah (huruf), sedangkan untuk baris kedua
ukuran tulisan yang lebih kecil dari tulisan di baris pertama) adalah
bulan dan tahun masa berlaku.
Gambar 2.15 Contoh Plat Kendaraan Warna Hitam, Merah dan
Kuning
21
Adapun kelebihan dan kekurangan metode LVQ dapat dilihat
Kelebihan dan Kekurangan JST Metode LVQ
Kekurangan Diperlukan perhitungan jarak
atribut
Akurasi model yang bergantung pada inisialisasi model serta parameter yang
learning rate, iterasi, dan sebagainya)
ipengaruhi distribusi kelas pada data
Sulit untuk menentukan jumlah vektor untuk
masalah yang diberikan http://repository.ipb.ac.id/bitstream/handle/123456789/47300/BAB%20II%20Tinj
Tanda Nomor Kendaraan Bermotor atau yang lebih sering disebut
plat nomor atau nomor polisi (nopol) adalah plat aluminium yang berisi
yang telah didaftarkan pada Kantor
Bersama Samsat. Tulisan yang ada di plat nomor kendaraan ada 2 tulisan
yaitu untuk baris pertama adalah kode wilayah (huruf), nomor polisi
(angka), dan kode/seri akhir wilayah (huruf), sedangkan untuk baris kedua
ukuran tulisan yang lebih kecil dari tulisan di baris pertama) adalah
Contoh Plat Kendaraan Warna Hitam, Merah dan
Pada penjelasan di atas, jika dibuat skema maka gambar di bawah ini adalah
skemanya.
Gambar 2.
2.4.1. Aturan Baru pada Plat Kendaraan
Dari segi fisik,
2011, plat nomor kendaraan memiliki spesifikasi sebagai berikut:
a. Bahan aluminium dengan ketebalan 1 mm.
b. Untuk kenda
mm, sedangkan untuk kendaraan roda 4 atau lebih adalah
430x135 mm. Ukuran tersebut 5 cm lebih panjang dari pada
ukuran plat sebelumnya (kendaraan bermotor roda 2 dan 3 adalah
250x105 mm, sedangkan kendaraan be
adalah 395x135 mm). Meskipun begitu, untuk sementara ini, plat
resmi yang lama masih berlaku.
c. Sudah tidak terdapat lagi garis pembatas antara ruang nomor
polisi dengan ruang angka masa berlaku.
d. Terdapat garis berwarna putih di seki
e. Pada sudut kanan atas dan sudut kiri bawah terdapat tanda khusus
(security mark
pada sisi sebelah kanan dan sisi sebelah kiri ada tanda khusus
cetakan "DITLANTAS POLRI" (Direktorat La
Kepolisian RI) yang merupakan hak paten pembuatan TNKB oleh
Polri dan TN
Pada penjelasan di atas, jika dibuat skema maka gambar di bawah ini adalah
Gambar 2.16 Skema Plat Nomor Kendaraan Roda 4
Aturan Baru pada Plat Kendaraan
Dari segi fisik, berdasarkan aturan terbaru terhitung April
plat nomor kendaraan memiliki spesifikasi sebagai berikut:
Bahan aluminium dengan ketebalan 1 mm.
Untuk kendaraan roda 2 dan 3 plat nomor berukuran 275x110
mm, sedangkan untuk kendaraan roda 4 atau lebih adalah
430x135 mm. Ukuran tersebut 5 cm lebih panjang dari pada
ukuran plat sebelumnya (kendaraan bermotor roda 2 dan 3 adalah
250x105 mm, sedangkan kendaraan bermotor roda 4 atau lebih
adalah 395x135 mm). Meskipun begitu, untuk sementara ini, plat
resmi yang lama masih berlaku.
Sudah tidak terdapat lagi garis pembatas antara ruang nomor
polisi dengan ruang angka masa berlaku.
Terdapat garis berwarna putih di sekitar plat nomor kendaraan.
Pada sudut kanan atas dan sudut kiri bawah terdapat tanda khusus
security mark) cetakan lambang Polisi Lalu Lintas; sedangkan
pada sisi sebelah kanan dan sisi sebelah kiri ada tanda khusus
cetakan "DITLANTAS POLRI" (Direktorat La
Kepolisian RI) yang merupakan hak paten pembuatan TNKB oleh
Polri dan TNI.
22
Pada penjelasan di atas, jika dibuat skema maka gambar di bawah ini adalah
kema Plat Nomor Kendaraan Roda 4
berdasarkan aturan terbaru terhitung April
plat nomor kendaraan memiliki spesifikasi sebagai berikut:
raan roda 2 dan 3 plat nomor berukuran 275x110
mm, sedangkan untuk kendaraan roda 4 atau lebih adalah
430x135 mm. Ukuran tersebut 5 cm lebih panjang dari pada
ukuran plat sebelumnya (kendaraan bermotor roda 2 dan 3 adalah
rmotor roda 4 atau lebih
adalah 395x135 mm). Meskipun begitu, untuk sementara ini, plat
Sudah tidak terdapat lagi garis pembatas antara ruang nomor
tar plat nomor kendaraan.
Pada sudut kanan atas dan sudut kiri bawah terdapat tanda khusus
lambang Polisi Lalu Lintas; sedangkan
pada sisi sebelah kanan dan sisi sebelah kiri ada tanda khusus
cetakan "DITLANTAS POLRI" (Direktorat Lalu Lintas
Kepolisian RI) yang merupakan hak paten pembuatan TNKB oleh
23
Aturan warna plat nomor kendaraan ditetapkan sebagai berikut:
a. Kendaraan bermotor bukan umum dan kendaraan bermotor sewa:
warna dasar hitam dengan tulisan berwarna putih
b. Kendaraan bermotor umum: warna dasar kuning dengan tulisan
berwarna hitam
c. Kendaraan bermotor milik pemerintah: warna dasar merah
dengan tulisan berwarna putih
d. Kendaraan bermotor korps diplomatik negara asing: warna dasar
putih dengan tulisan berwarna hitam
e. Kendaraan bermotor staf operasional korps diplomatik negara
asing: warna dasar hitam dengan tulisan berwarna putih dan
terdiri dari lima angka dan kode angka negara dicetak lebih kecil
dengan format sub-bagian
f. Kendaraan bermotor untuk transportasi dealer (pengiriman dari
perakitan ke dealer, atau dealer ke dealer): warna dasar putih
dengan tulisan berwarna merah.
2.4.2. Aturan Nomor Polisi
Suatu kendaraan dapat diketahui kendaraan tersebut dari
daerah mana, dilihat dari kode wilayah dan kode seri akhir wilayah.
Kode wilayah biasanya untuk wilayah setingkat provinsi atau
karesidenan yang cakupan daerahnya luas. Kode seri akhir wilayah
menandakan sebuah kota atau kabupaten. Kode wilayah terdiri dari 1
atau 2 huruf, sedangkan kode seri akhir wilayah antara 1 hingga 3
huruf. Tetapi kode seri wilayah yang terdiri 3 huruf hanya untuk
wilayah tertentu saja.
Nomor polisi diberikan sesuai dengan urutan pendaftaran
kendaraan bermotor. Nomor urut tersebut terdiri dari 1-4 angka, dan
ditempatkan setelah Kode Wilayah Pendaftaran. Nomor urut
pendaftaran dialokasikan sesuai kelompok jenis kendaraan bermotor
(untuk wilayah DKI Jakarta):
24
a. 1 - 1999, 8000 - 8999 dialokasikan untuk kendaraan penumpang.
b. 2000 - 6999, dialokasikan untuk sepeda motor.
c. Mulai Februari 2010 nomor kendaraan untuk Jakarta Timur
(berkode T) telah habis untuk nomor 6, maka dimulai dengan
angka 3.
d. Mulai awal 2011 nomor kendaraan untuk Jakarta Selatan
(berkode S) telah habis untuk nomor 6, maka dimulai dengan
angka 3.
e. 7000 - 7999, dialokasikan untuk bus.
f. 9000 - 9999, dialokasikan untuk kendaraan beban.
Apabila nomor urut pendaftaran yang telah dialokasikan habis
digunakan, maka nomor urut pendaftaran berikutnya kembali ke
nomor awal yang telah dialokasikan dengan diberi tanda pengenal
huruf seri A - Z di belakang angka pendaftaran. Apabila huruf di
belakang angka sebagai tanda pengenal kelipatan telah sampai pada
huruf Z, maka penomoran dapat menggunakan 2 huruf seri di
belakang angka pendaftaran.
Khusus untuk Jabodetabek; minus Bogor (B), Bandung (D),
Medan/Sumatera Utara bagian Timur (BK), serta Semarang (H)
dapat menggunakan hingga 3 huruf seri di belakang angka
pendaftaran, sesuai kategori atau dengan permintaan khusus. Berikut
ini adalah keterangan kode seri akhir wilayah untuk Jabodetabek;
minus Bogor.
Huruf pertama pada kode seri akhir wilayah umumnya
mewakili tempat kendaraan tersebut terdaftar, huruf kedua
menandakan jenis kendaraan berdasarkan golongan, dan huruf
terakhir adalah huruf acak yang diberikan untuk pembeda.
25
Huruf-huruf di bawah ini mewakili kategori tempat
terdaftarnya kendaraan (tidak berlaku untuk kendaraan taksi):
U : Jakarta Utara
B : Jakarta Barat
P : Jakarta Pusat
S -> Jakarta Selatan
T -> Jakarta Timur
E : Depok
N : Tangerang Kabupaten
C : Tangerang Kota
V : Tangerang Kota
K : Bekasi Kota
F : Bekasi Kabupaten
W : Tangerang Selatan
Z : Depok
Sedangkan untuk huruf kedua yang mewakili kategori
kendaraan, antara lain:
A : Sedan / Motor
D : Truk
V : Minibus
J : Jip dan SUV
F : Minibus, Hatchback, City Car
T : Taksi
U : Kendaraan Staf Pemerintah
Q : Kendaraan Staf Pemerintah
Sebagai contoh yaitu plat kendaraan dengan tulisan B 1234 FQN artinya
kendaraan tersebut adalah kendaraan staf pemerintah Kabupaten Bekasi.