RANCANG BANGUN PURWARUPA SISTEM OTENTIKASI PARKIR UNIVERSITAS PENDIDIKAN INDONESIA MELALUI DETEKSI NOMOR INDUK MAHASISWA DAN PEGAWAI PADA PELAT NOMOR MENGGUNAKAN METODE YOLOV8 DAN TESSERACT-OCR PADA RASPBERRY PI

    Abdul Bashit, - and BUDI MULYANTI, - (2025) RANCANG BANGUN PURWARUPA SISTEM OTENTIKASI PARKIR UNIVERSITAS PENDIDIKAN INDONESIA MELALUI DETEKSI NOMOR INDUK MAHASISWA DAN PEGAWAI PADA PELAT NOMOR MENGGUNAKAN METODE YOLOV8 DAN TESSERACT-OCR PADA RASPBERRY PI. S1 thesis, Universitas Pendidikan Indonesia.

    Abstract

    Sistem ALPR (Automatic License Plat Recognition) konvensional saat ini memiliki kekurangan kemampuan untuk mengautentikasi secara spesifik dalam komunitas akademik, seperti yang dibutuhkan oleh sistem parkir universitas. Studi sebelumnya biasanya berkonsentrasi pada pemahaman pelat nomor pemerintah biasa atau bergantung pada arsitektur komputasi yang lebih besar, sehingga menghilangkan implementasi independen berbiaya rendah dalam lingkungan tertutup. Oleh karena itu, studi ini akan merancang, membangun, dan menguji kinerja prototipe sistem parkir otomatis menggunakan deteksi Nomor Induk Mahasiswa (NIM) atau Nomor Induk Pegawai (NIP) pada pelat nomor. Penelitian mengembangkan sistem ini pada edge computing Raspberry Pi 5 menggunakan model deteksi objek YOLOv8 untuk melokalisasi pelat nomor dan mesin Tesseract-OCR untuk mengekstrak karakter. Metode penelitian yang digunakan akan menguji akurasi dan latensi sistem pada jarak kamera dari 5 cm hingga 100 cm, dalam kondisi terkontrol. Pengujian mengonfirmasi bahwa sistem bekerja dengan baik dalam rentang 10 cm hingga 40 cm (tingkat keberhasilan 100%) dan cenderung gagal dalam rentang lain. Waktu total yang dibutuhkan untuk menyelesaikan sekali validasi untuk berhasil divalidasi rata-rata sangat cepat, sebagian besar jauh di bawah 1 detik. Penelitian ini menggunakan hasil ini sebagai bukti konsep untuk menunjukkan bahwa sistem parkir berbasis validasi NIM atau NIP yang berjalan pada perangkat edge secara teknis layak, menyediakan solusi yang efisien antara sistem ALPR generik dan tuntutan lingkungan akademik. Conventional ALPR (Automatic License Plate Recognition) systems currently lack the ability to authenticate specifically within academic communities, as required by university parking systems. Previous studies have typically focused on understanding standard government license plates or relied on larger computing architectures, thereby eliminating low-cost independent implementations in closed environments. Therefore, this study will design, build, and test the performance of an automated parking system prototype using Student ID Number (NIM) or Employee ID Number (NIP) detection on license plates. The research develops this system on Raspberry Pi 5 edge computing using the YOLOv8 object detection model to localize license plates and the Tesseract-OCR engine to extract characters. The research method used will test the system's accuracy and latency at camera distances ranging from 10 cm to 100 cm under controlled conditions. Testing confirmed that the system performs well within the 10 cm to 40 cm range (100% success rate) and tends to fail in other ranges. The total time required to complete a single validation for successful validation is very fast on average, with most cases well below 1 second. This research uses these results as proof of concept to demonstrate that a NIM-based or NIP-based parking system running on edge devices is technically feasible, providing an efficient solution between generic ALPR systems and academic environmental requirements.

    Baca Full Text klik disini
    [thumbnail of S_TE_1802443_Title.pdf] Text
    S_TE_1802443_Title.pdf
    Download (441kB)
    [thumbnail of S_TE_1802443_Chapter1.pdf] Text
    S_TE_1802443_Chapter1.pdf
    Download (233kB)
    [thumbnail of S_TE_1802443_Chapter2.pdf] Text
    S_TE_1802443_Chapter2.pdf
    Restricted to Staf Perpustakaan
    Download (312kB)
    [thumbnail of S_TE_1802443_Chapter3.pdf] Text
    S_TE_1802443_Chapter3.pdf
    Download (506kB)
    [thumbnail of S_TE_1802443_Chapter4.pdf] Text
    S_TE_1802443_Chapter4.pdf
    Restricted to Staf Perpustakaan
    Download (369kB)
    [thumbnail of S_TE_1802443_Chapter5.pdf] Text
    S_TE_1802443_Chapter5.pdf
    Download (190kB)
    [thumbnail of S_TE_1802443_Appendix.pdf] Text
    S_TE_1802443_Appendix.pdf
    Restricted to Staf Perpustakaan
    Download (826kB)
    Official URL: http://repository.upi.edu
    Item Type: Thesis (S1)
    Additional Information: ID SINTA PEMBIMBING 5993841
    Uncontrolled Keywords: Sistem Parkir Otomatis, YOLOv8, Tesseract-OCR, Raspberry Pi 5, Deteksi NIM, Edge AI
    Subjects: L Education > L Education (General)
    T Technology > TK Electrical engineering. Electronics Nuclear engineering
    Divisions: Fakultas Pendidikan Teknik dan Industri > Jurusan Pendidikan Teknik Elektro
    Depositing User: Abdul Bashit
    Date Deposited: 21 Oct 2025 09:53
    Last Modified: 21 Oct 2025 09:53
    URI: http://repository.upi.edu/id/eprint/143885

    Actions (login required)

    View Item View Item