1
Aplikasi Pendeteksi Plat Nomor Negara
Indonesia Menggunakan OpenCV dan Tesseract OCR
pada Android Studio
Sangsaka Wira Utama1, Apriani Kusumawardhani 2
Departemen Teknik Fisika, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember (ITS)
Jl. Arief Rahman Hakim,Surabaya 60111
Abstrak-Aplikasi License Plate Recognition menggunakan
Android Studio telah dirancang dengan penggunaan
library OpenCV dan Tesseract. OpenCV digunakan untuk
pemrosesan citra yang didapatkan dari kamera mobile
dengan operating system Android. Citra yang didapatkan
berupa citra plat nomor kendaraan dengan warna hitam
putih standar plat kendaraan pribadi negara republik
Indonesia. Awalnya citra berformat RGB pengubahan
citra dari RGB menjadi citra biner diperlukan agar dapat
diproses pada library pemrosesan citra menjadi character.
Pengubahan citra RGB menjadi biner melewati 2 tahapan
dengan library OpenCV yaitu tahapan perubahan citra
RGB menjadi grayscale lalu grayscale menjadi biner.
Tahapan perubahan menjadi grayscale diperlukan untuk
menentukan nilai minimal threshold pada gambar biner.
Citra yang berformat biner manjadi masukan pada proses
perubahan citra menjadi karakter menggunakan library
Tesseract OCR. Library ini dapat menganalisa citra dan
mengenali citra yang berbentuk karakter. Pengubahan
citra adalah dengan analisa fungsi piksel yang didapati oleh
kamera. Aplikasi dapat mengubah citra dengan nomor plat
standar dengan kamera mobile yang memiliki operasi
sistem android. Adapun plat standar yang digunakan
adalah plat dengan citra yang jelas dan noise yang minim.
Kata Kunci-License Plate Recognition, Android, OpenCV,
Tesseract
I. PENDAHULUAN
Pemrosesan suatu citra plat nomor adalah inovasi terbaru
untuk mempermudah pekerjaan pendataan dan pengamanan
kendaraan bermotor. Di Indonesia pendataan plat kendaraan
bermotor masih dilakukan secara manual dengan entry data
dengan tenaga manusia.Telah banyak penelitian mengenai
sistem pengenalan plat nomor dengan pengolahan citra.
Dalam International Journal of Machine Learning and
Computing yang berjudul Automatic Parking Management
System and Parking Fee Collection Based on Number Plate
Recognition, digunakan algoritma deteksi tepi. Sistem
pengenalan plat nomor kendaraan terdiri dari dua langkah
utama yaitu, segmentasi karakter dan pengenalan karakter.
Berbeda negara, berbeda pula algoritma dalam pengenalan
plat nomor, dikarenakan perbedaan jenis plat yang
digunakan. Diperlukan suatu alat yang dapat mendata nomor
kendaraan secara cepat dan sesuai dengan format plat nomor
Indonesia.[1]
Perkembangan teknologi Automatic License Plate
Recognition dengan memanfaatkan metode pemrosesan
suatu citra sangatlah pesat. Namun, di Indonesia
pemanfaatan pemrosesan citra untuk keperluan otomasi
pendataan kendaraan masih sangat minim ditandai dengan
pengecekan kendaraan oleh pihak berwajib masih
menggunakan STNK yang dianggap tidak efisien
dikarenakan banyaknya kasus hilangnya STNK yang
diakibatkan berbagai macam hal. Diperlukannya metode
terbaru agar data kendaraan dapat dengan mudah diakses
melalui media yang sudah tersebar luas di masyarakat dan
murah. Penggunaan komputer pada kendaraan polisi sudah
umum dilakukan di beberapa negara maju, sedangkan di
Indonesia komputer di kendaraan pihak berwajib dinaggap
mahal dan tidak efisien. Diperlukannya suatu aplikasi yang
kompatibel dengan mobile yang menggunakan operating
system Android dikarenakan Android sudah tergolong umum
dan lebih murah daripada komputer yang terpasang pada
kendaraan bermotor. Artikel kali ini akan membahas
bagaimana cara pengaplikasian Image Processing
menggunakan Android Studio dengan memanfaatkan
Library OpenCV dan Tesseract serta kamera telepon
genggam untuk mendeteksi plat nomor suatu kendaraan.
II. DASAR TEORI
A. Android Studio
Android Studio adalah software yang dapat digunakan
untuk pengembangan aplikasi Android dengan bahasa
pemrograman Java.
B. OpenCV
OpenCV adalah library yang digunakan untuk
pemrosesan citra. Digunakan untuk mengubah citra dengan
format RGB menjadi format biner. Beberapa proses dalam
mengolah suatu citra seperti plotting histogram, pengubahan
format citra dapat dilakukan dengan menggunakan OpenCV.
OpenCV dapat digunakan untuk pengembangan computer
vision.[2]
C. Tesseract OCR
Tesseract OCR adalah library yang digunakan untuk
pemrosesan citra biner menjadi teks, metode yang digunakan
adalah dengan Analisa distribusi piksel pada citra untuk
mengenali karakter.
D. Pengubahan RGB Menjadi Biner
Tahapan perubahan citra dengan format RGB menjadi
biner melalui tahapan perubahan RGB menjadi grayscale lalu
hasil citra dengan format grayscale dapat diubah menjadi biner.
Perubahan RGB menjadi grayscale dapat menggunakan
algoritma intensitas, dimana persamaan – persamaan yang
berlaku ditampilkan pada persamaan berikut:
 2

𝑓𝜋 (𝑛) ∑𝑖−1
𝑖=0 𝑃𝑛−𝑖 ……………...………………………….…(1)
𝑓 (𝜋) 100−𝑡
B. Include Library OpenCV dan Tesseract OCR
𝑇(𝜋) = 1 𝑗𝑖𝑘𝑎 𝑃𝑛 < ( 𝑠 𝑠 ) ( 100 ) ……………..….……(2) Penggunaan beberapa fungsi dari library OpenCV dan
𝑓 (𝜋) 100−𝑡
𝑇(𝜋) = 0 𝑗𝑖𝑘𝑎 𝑃𝑛 ≥ ( 𝑠 𝑠 ) ( 100 ) ………….…....……(3) Tesseract OCR dapat dilakukan jika library terlebih dahulu
diimplementasikan pada project. Include library OpenCV
𝑔𝜋 (𝑛) ∑𝑛𝑖=0(1 − 1/𝑠)𝑖 𝑃𝑛−1 …...…………………….…….(4)
harus dilakukan dengan setting dependencies project dan
implementasi pada gradle. Ditunjukkan pada Gambar 3.2 dan
Hasil dari persamaan diatas hanya akan memberikan nilai 0 dan
Gambar 3.3. Dimana pada Gambar 3.2 setting dilakukan
1. Nilai 0 pada citra mengindikasikan warna hitam dan 1 untuk
pada menu project structure, sedangkan pada Gambar 3.2
warna putih. Pada kasus citra karakter, pola yang membentuk
compile API disertakan agar terhubung dengan database
karakter menggunakan warna hitam, sedangkan latar gambar
library pada cloud.
menggunakan warna putih atau sebaliknya.[3]

E. Pengubahan Citra Menjadi Karakter

Algoritma perubahan citra menjadi karakter dapat
menggunakan beberapa pendekatan yaitu pendekatan beberapa
diantaranya adalah Matrix Matching yang ditunjukkan pada
Gambar 2.4.

Gambar 3.2 Include Library OpenCV pada

Gambar 2.4 Metode Analisa Karakter[4] Dependencies

Gambar 3.3 Implementasi OpenCV Pada Gradle

Kedua, include library Tesseract dilakukan dengan cara

memindahkan file tmabahan dari Tesseract OCR ke dalam file
assets. Ditunjukkan pada Gambar 3.4

Gambar 2.5 Tahapan perubahan Citra Menjadi

Karakter [5]
Gambar 3.4 Include Library Tesseract OCR pada File
III. METODOLOGI Assets

A. Metode Pemrosesan Citra Lalu implementasi API Tesseract pada gradle.

Pemrosesan citra yang digunakan adalah dengan konsep
pengubahan citra format RGB menjadi citra format biner
dengan menggunakan fungsi yang sudah tersedia pada library
OpenCV lalu citra dengan format biner akan diproses
menggunakan Tesseract OCR. Adapun tahapan Analisa citra
hingga menjadi karakter ditampilkan pada Gambar 1.
Ditunjukkan pada Gambar 3.5
Gambar 3.5 Implementasi Tesseract OCR pada Gradle
C. Set Up Library OpenCV dan Tesseract OCR
Deklarasi fungsi untuk penggunaan library OpenCV dan
Tesseract diperlukan agar penggunaan fungsi dapat berkerja
dengan variable yang diperlukan sbagai argument bagi
parameter pada metode tertentu. Beberapa deklarasi fungsi
yang diperlukan untuk penggunaan library OpenCV
ditampilkan pada Gambar 3.6.

Gambar 3.1 Metode Pemrosesan Citra Aplikasi

Pendeteksi Plat Nomor
 3

Casting diperlukan untuk tipe data bitmap dikarenakan,

pemrosesan sinyal memerlukan suatu file dengan kemampuan
akses piksel agar pengaturan nilai per piksel dapat dilakukan.

E. RGB Menjadi Biner Menggunakan OpenCV

Penggunaan salah satu fungsi Tesseract OCR untuk merubah
citra grayscale menjadi biner. Citra dengan format grayscale
diubah menjadi biner dengan memasukkan nilai minimal dan
maksimal threshold pada fungsi yang ditunjukkan pada
Gambar 3.11
Gambar 3.6 Deklarasi Metode OpenCV pada Project
Gambar 3.11 Fungsi Dengan Input Citra Grayscale dan
Deklarasi Tesseract ditampilkan pada Gambar 3.7 Output Citra Biner
dan Gambar 3.8

F. Konversi Citra Menjadi Karakter Dengan Tesseract OCR

Citra dengan format biner dapat digunakan dan diproses
pada tahap berikutnya, yaitu tahap konversi citra menjadi
karakter dengan library Tesseract OCR. Proses konversi dapat
dilakukan dengan membuat metode pemrosesan citra dengan
parameter tipe data Bitmap ditunjukkan pada Gambar 3.12.

Gambar 3.12 Fungsi Konvrsi Citra Bitmap Menjadi

Karakter.
Gambar 3.8 Deklarasi Fungsi Pemanggilan Library Tesseract
OCR
Karakter secara otomatis mengubah TextView yang dituju
sesuai data hasil konversi dari citra.

IV. UJI COBA DAN EVALUASI

A. Uji Coba Aplikasi Menggunakan Gambar Standard

Uji coba menggunakan hasil print Gambar 4.1

menggunakan printer dan difoto menggunakan kamera mobile
dengan operating system Android.
Gambar 3.9 Deklarasi Pengecekan Library Tesseract OCR
pada Project
D. Set Up CameraActivity
Penggunaan kamera pada perangkat Android memerlukan
User-Permission pada manifest, maka permisi dapat di
implementasikan pada project Android.
Gambar 4.1 Plat Nomor Standar Menggunakan Microsoft
Word.
Gambar 3.5 Implementasi Tesseract OCR pada Gradle
Aplikasi menghasilkan karakter yang sesuai dengan gambar.
A. Pengubahan Gambar dari Kamera menjadi Bitmap
Dimana secara otomatis menginversikan warna putih menjadi
Deklarasi dan casting tipe data Bitmap pada hasil foto dari
hitam agar lebih mudah diproses pada library Tesseract OCR.
kamera ditunjukkan oleh metode pada Gambar 3.10
Ditunjukkan pada Gambar 4.2.

Gambar 3.10 Implementasi Tesseract OCR pada Gradle

 4

Gambar 4.2. Hasil Uji Aplikasi Menggunakan Plat Nomor

Standar Microsoft Word.
B. Uji Coba Aplikasi Menggunakan Gambar Plat Nomor
Kendaraan
Pada uji kedua, aplikasi berbeda dengan algoritma yang
sama mencoba untuk mendeteksi kombinasi karakter dengan
gambar plat nomor kendaraan asli dengan noise yang kecil
ditunjukkan oleh Gambar 4.3.
Gambar 4.4 Hasil Uji Coba Gambar Plat Nomor Kendaraan
Asli.
C. Uji Coba Aplikasi Menggunakan Gambar Plat Nomor
Kendaraan dengan Noise
Uji coba aplikasi dengan gambar plat nomor kendaraan asli
tanpa metode border removal secara manual dengan inputan
Gambar 4.5 menghasilkan teks yang bernilai tidak sesuai pada
plat nomor yang ditunjukkan pada Gambar 4.6.

Gambar 4.3 Gambar Plat Nomor Kendaraan Bermotor Asli.

Hasil uji ditunjukkan pada Gambar 4.4 dimana teks berubah

sesuai dengan Gambar 4.3. Terdapat beberapa warna putih
yang berada pada angka 2 dan 0, namun level nilai histogram
masih tergolong dibawah nilai threshold mengakibatkan
pendeteksian karakter dapat dilakukan.

Gambar 4.5 Gambar Plat Kendaraan Asli Border


Gambar 4.6 Hasil Uji Coba Gambar Plat Nomor Kendaraan
Asli Border
Adapun hasil untuk Gambar 4.6 akan menghasilkan teks yang
sesuai jika dilakukan metode border removal yang ditunjukkan
pada Gambar 4.7.
Gambar 4.7 Hasil Uji Coba Gambar Plat Nomor Kendaraan
Asli Border Dengan Proses Border Removal
5
V. KESIMPULAN
A. Kesimpulan
Berdasarkan percobaan yang dilakukan oleh penulis dapat
disumpulkan sebagai berikut:
• Aplikasi pengenal plat nomor kendaraan
menggunakan Android dapat dilakukan dengan
menggunakan OpenCV dan Tesseract OCR,
namun masih diperlukan pemrosesan citra untuk
meminimalisir noise yang terjadi pada citra untuk
meningkatkan akurasi konversi citra menjadi
karakter.
B. Saran
Adapun saran untuk penelitian berikutnya adalah sebagai
berikut:
• Akurasi konversi dapat ditingkatkan dengan
menerapkan beberapa tahapan sebelum diinput
pada Tesseract yaitu dengan memanfaatkan
metode-metode seperti rescaling, noise removal,
rotation, border removal.
VI. UCAPAN TERIMA KASIH
Penulis mengucapkan terima kasih kepada Allah SWT, karena
tanpa rahmatnya jurnal ini tidak dapat dipublikasikan. Penulis
juga mengucapkan terima kasih kepada Ir. Apriani
Kusumawardani M.T, selaku dosen pengajar mata kuliah
Image Processing, yang telah membimbing penulis dalam
penulisan jurnal ini.Beserta rekan-rekan penampu mata kuliah
dan juga kepada rekan-rekan penampu mata kuliah Image
Processing yang telah membantu menyelesaikan jurnal ini.
DAFTAR PUSTAKA
[1] Yulida, Selpha., Kusumawardhani, A., Setijono, Heru.
(2013). Perancangan Sistem Pengenalan Plat Nomor
Kendaraan Menggunakan Metode Principal Component
Analysis. Surabaya : Jurnal Teknik POMITS
[2] Pratiksha, Jain., Neha, Chopra., Vaishali, Gupta. (2009).
Automatic License Plate Recognition using OpenCV.
Department of CSE IGIT, GGSIPU New Delhi, India.
International Journal of Computer Applications
Technology and Research Volume 3– Issue 12, 756 - 761,
2014, ISSN:- 2319–8656
[3] Sami, Ktata., Taher, Khadhoroui., Faouzi, Benzarti,,
Hamid, Amiri. (2015). Tunisian License Plate Number
Recognition. National Engineering School of Tuns.
Tunisia. University of Tunisia Al Manar. The
International Conference on Advanced Wireless,
Information and Communication Technologies
[4] N.Venkatarao.,S.Sastry.,A.S.N.Chakravarthy,Kalyan
Chakravarthi, P. (2016).Optical Character Recognition
Technique Algorithms Department of Ece,
 6

K.L.University, Rajam: Journal Of Theoretical And

Applied Information Technology

[5] Smith, Ray., Antonova, Daria., Dar-Shyang Lee. (2009).

Adapting the Tesseract Open Source OCR Engine for
Multilingual OCR Google Inc. Barcelona, Proceedings of
the International Workshop on Multilingual OCR
Analysis