SISTEM PENGIDENTIFIKASIAN PLAT NOMOR KENDARAAN MOBIL MENGGUNAKAN PRINCIPAL COMPONENT ANALYSIS DAN KLASIFIKASI K-NN IDENTIFICATION SYSTEM LICENSE PLATE ON VEHICLES USING PRINCIPAL COMPONENT ANALYSIS AND K-NN CLASSIFICATION Dinda Rizki Taningrum¹, Dr.Ir Bambang Hidayat IPM²,Yuli Sun Hariyani S.T., M.T.³ 1,2,3 Prodi S1 Teknik Telekomunikasi, Fakultas Teknik Elektro, Universitas Telkom ¹drizkitaningru@students.telkomuniversity.com, 2 bhidayat@telkomuniversity.ac.id, ³yulisun@tass.telkomuniversity.ac.id Abstrak Pada saat ini pengguna jalan di kota-kota besar di Indonesia khususnya kendaraan rota empat memerlukan program yang dapat memantau para pengendara kendaraan yang tidak disiplin dalam berkendara, seperti menerobos lampu merah atau parkir disembarang tempat. Dalam tugas akhir ini dibuat sebuah sistem yang dapat mengenali palt nomor kendaraan. Dengan menggunakan Principal Conponent Analysis (PCA) sebagai metoda ekstraksi ciri dan KNN sebagai metoda mengklasifikasikan karakter, sistem ini mampu mengenali 44 letak plat data uji dengan akurasi 97.78%, akurasi segmentasi karakter sebesar 99.10% atau didapatkan dari 331 karakter yang berhasil tersegmentasi dari 334 karakter yang tersegmentasi, akurasi klasifikasi sebesar 88.92% didapatkan dari 297 karakter yang diklasifikasikan dengan benar dari 334 karakter, akurasi keseluruhan sistem sebesar 60.00% atau 27 data yang berhasil dideteksi dan diidentifikasi dari 45 data uji. Kata kunci : Identifikasi plat nomor kendaraan, PCA, KNN Abstract Road users in big cities in Indonesia nowadays, especially vehicles with four or more wheels needs a program that can be able to monitoring the undisciplined acts of road users, such as illegal parking and denying the traffic light. In this final assignment, author made an identification system for license plates using Principal Component Analysis (PCA) as a characteristic extraction method and k-NN as a characters classification method. The system has the abilities to recognizing 44 locations of experiment data plate with 97.78% of accuracy and 99.10% accuracy for character segmentation or obtained 331 characters that successfully segmented from 334 segmented characters, the accuracy of classification with 88,92% obtained from 297 characters that trusted classified from 334 characters. The entire accuracy system is 60.00% or 27 detected data from 45 experiment data. Keyword : Identification License Plate, PCA, KNN 1) Pendahuluan Merujuk penulisan tugas akhir tentang perancangan dan penentuan Sistem pengidentifikasian plat nomor pada kendaraan menggunakan Principal Component Analysis menunjukkan bahwa dalam penentuan plat nomor kendaraan. Aplikasi ini telah diimplementasikan dan dapat mendeteksi letak plat nomor serta mengenalinya. Sistem telah diujicobakan pada suatu basis data yang mewakili 36 karakter (0-9, A-Z) yang masing-masing terdiri dari beberapa variasi gambar mobil pada jarak 2m, dengan tinggi 50cm dan resize 100x100 citra berbentuk square. Hasil uji coba menunjukkan tingkat keberhasilan mencapai 40% untuk akurasi pengenalan plat nomor dan akurasi segmentasi mencapai 100% [1]. Pada tugas akhir ini, resize yang digunakan yaitu 76x32, citra akan berbentuk portrait, dikarenakan ukuran huruf dan angka pada plat memiliki ukuran yang lebih besar baris dari kolomnya sehingga pemilihan resize portrait