Algoritma Yolov5 dan Easyocr Dalam Pendeteksi Pencatatan Otomatis Plat Nomor Kendaraan Indonesia

Abstract

Automatic License Plate Recognition (ALPR) merupakan teknologi penting dalam mendukung otomasi sistem transportasi dan pemantauan lalu lintas. Namun, sebagian besar penelitian sebelumnya di Indonesia masih mengandalkan kombinasi YOLO dengan Tesseract OCR yang memiliki keterbatasan pada citra dengan kualitas rendah. Penelitian ini bertujuan merancang sistem pencatatan otomatis plat nomor kendaraan Indonesia dengan mengombinasikan YOLOv5 sebagai detektor objek dan EasyOCR sebagai pengenal karakter, yang menawarkan alternatif lebih ringan dan akurat. Dataset terdiri dari 400 citra beranotasi yang dilatih menggunakan varian YOLOv5s dan YOLOv5l dengan optimizer berbeda. Hasil terbaik diperoleh dari model YOLOv5s dengan Adam optimizer, mencapai mAP@0.95 sebesar 0.801. Uji sensitivitas menunjukkan bahwa intensitas cahaya dan posisi kamera sangat memengaruhi akurasi, dengan jarak optimal pembacaan 1,5–3 m untuk motor dan 2–6 m untuk mobil pada siang hari, sementara performa OCR menurun signifikan pada malam hari. Pengujian realtime membuktikan sistem mampu mendeteksi dan membaca plat kendaraan secara langsung, meskipun akurasi masih dipengaruhi sudut kamera dan kualitas citra. Kebaruan penelitian ini terletak pada penggunaan EasyOCR yang belum banyak dieksplorasi pada konteks plat nomor Indonesia. Hasil ini menunjukkan manfaat sistem sebagai solusi ALPR ringan untuk pemantauan lalu lintas skala kecil serta membuka peluang pengembangan melalui kamera resolusi tinggi dan preprocessing citra.