Deteksi Plat Kendaraan dan Wajah Pengendara Menggunakan Model Siamese Neural Network Untuk Pengoptimalan Lalu Lintas Pintu Gerbang Universitas Negeri Medan

Universitas Negeri Medan Merupakan Salah Satu Universitas Yang Terdapat Di Sumatera Utara Yang Memiliki 4 Pintu Gerbang Dan 2 Diantaranya Merupakan Yang Dapat Dilalui Oleh Pengendara Sepeda Motor Untuk Keluar Dan Masuk Area Kampus. Pada Saat Tertentu, Lalu Lintas Di Pintu Gerbang UNIMED Sering Terjadi Ketidakoptimalan, Sehingga Terkadang Petugas Tidak Melakukan Pemeriksaan. Penelitian Ini Bertujuan Untuk Mengembangkan Sistem Deteksi Plat Kendaraan Dan Pengenalan Wajah Pengendara Menggunakan Model Siamese Neural Network Guna Mengoptimalkan Lalu Lintas Di Pintu Gerbang UNIMED. Metode Yang Digunakan Mencakup Penerapan Algoritma Deep Learning, Khususnya Siamese Neural Network, Untuk Melakukan Verifikasi Wajah Pengendara Dan Penggunaan YOLO Untuk Mendeteksi Dan Mengenali Plat Kendaraan Serta Secara Real-Time. Data Dikumpulkan Melalui Pengambilan Secara Langsung Dengan Kamera Peneliti. Model Dilatih Dan Diuji Menggunakan Dataset Yang Berisi Gambar Plat Kendaraan Dan Wajah Pengendara. Hasil Penelitian Menunjukkan Bahwa Model Yang Dikembangkan Mampu Mendeteksi Dan Mengenali Plat Kendaraan Dan Wajah Pengendara Dengan Akurasi Yang Cukup Tinggi, Yaitu Pada Hasil Deteksi Objek Mendapatkan Validasi Bounding Box Adalah 1.05 Dan Validasi Class Loss Yaitu 0.95. Serta Pada Training Menggunakan Siamese Neural Network Mendapatkan Hasil Tertinggi Yaitu 0.82 Dengan Learning Rate 10e-5 Dengan 30 Epoch, Sehingga Model Ini Belum Dapat Diimplementasikan Sebagai Solusi Untuk Mengoptimalkan Manajemen Lalu Lintas Di Lingkungan Kampus Dan Diperlukan Tinjauan Lebih Lanjut. Dengan Demikian, Sistem Ini Diharapkan Dapat Meningkatkan Efisiensi Dan Keamanan Lalu Lintas Di Universitas Negeri Medan.