Jurnal Ilmu Komputer dan Agri-Informatika
Not a member yet
160 research outputs found
Sort by
I-NusaPlant Apps : Indonesian Medical Plants Identification Using Convolutional Neural Network With Pre-trained Model MobileNetV2
Full text linkIndonesia has about 30,000 different kinds of medicinal plants, which is a very large number compared to the total of 40,000 that exist all over the world. In fact, Indonesia, along with other Asian countries like China and India, has one of the highest concentrations of medicinal plants in the world. An expert is required to identify functional medicinal plants, but the number that such experts is quite limited. Convolutional Neural Networks (CNNs) and transfer learning can be very effective tools for identifying Indonesian medical plants. These methods have been shown to be highly accurate at classifying different objects. Transfer learning was used because it can reuse the knowledge gained from previous training, which speeds up the process and improves accuracy. This study used 5,000 images divided into 20 categories. The MobileNetV2 model was used, and it achieved 100% accuracy for all categories in the experiments. The Identification Indonesian Medical Plants method in this study has been implemented in the I-NusaPlant mobile-based application. The app\u27s performance was tested, and it was found to use a maximum of 17% CPU and 197 MB of memory. This app works on all Android versions from 8.0 to 13
Low Light Image Enhancement using Histogram Equalization and Adaptive Multi-scale Retinex Repair Techniques
Full text linkCitra low light seringkali memiliki kualitas yang rendah, dengan kurangnya cahaya yang menyebabkan
citra yang gelap, kontras rendah, dan detail yang terabaikan. Dalam upaya untuk meningkatkan citra low light
berbagai metode telah dikembangkan, termasuk histogram equalization dan adaptive multi-scale retinex
(AMSR). Dari kedua metode ini, belum ada kesepakatan mengenai mana yang lebih efektif dalam perbaikan
citra low light. Dalam penelitian ini, kami membandingkan kinerja metode histogram equalization dan AMSR
dalam perbaikan citra low light. Metode histogram equalization diterapkan untuk mengubah distribusi intensitas piksel dalam citra. Histogram equalization memiliki kelemahan dalam mempertahankan kontras lokal dan dapat menghasilkan citra yang terlalu tajam. Selanjutnya, metode AMSR diterapkan untuk memperbaiki kontras dan detail citra low light. Dalam penelitian ini, AMSR diterapkan dengan skala adaptif pada berbagai tingkat deteksi. Hasil penelitian menunjukkan bahwa kedua metode memiliki kemampuan untuk meningkatkan citra low light. Metode histogram equalization memberikan peningkatan yang signifikan dalam kontras global dan kecerahan citra, sementara metode AMSR berhasil mempertahankan kontras lokal dan detail citra. Perbedaan juga terjadi pada hasil yang diperoleh, tergantung pada karakteristik citra dan preferensi pengguna. Berdasarkan analisis dan evaluasi yang dilakukan, dapat disimpulkan bahwa kedua metode memiliki kelebihan dan kelemahan masing-masing dalam perbaikan citra low light.The low-light images often have low quality, with insufficient light causing dark images, low contrast, and
neglected details. To enhance low-light images, various methods have been developed, including histogram
equalization and adaptive multi-scale retinex (AMSR). Among these methods, there is no consensus on which
method is more effective in improving low-light images. In this study, we compare the performance of histogram
equalization and AMSR methods in enhancing low-light images. The histogram equalization method is applied
to alter the pixel intensity distribution within the image. Histogram equalization has drawbacks in maintaining
local contrast and can produce overly sharp images. Furthermore, the AMSR method is applied to improve the
contrast and detail of low-light images. This study applies AMSR with adaptive scales at various detection
levels. The results show that both methods can enhance low-light images. The histogram equalization
method provides a significant improvement in global contrast and image brightness, while the AMSR method
successfully maintains local contrast and image detail. Differences also occur in the obtained results, depending
on the image characteristics and user preferences. Based on the analysis and evaluation conducted, it can be
concluded that both methods have their respective strengths and weaknesses in improving low-light images
Pengembangan Prototipe Aplikasi Berbasis Blockchain dan QR Code dengan Metode ABCDE untuk Rantai Pasok Beras
No full textThe development of blockchain-based applications has the potential to revolutionize transparency and traceability in supply chains. This paper presents the development of Ricetrack, a blockchain and QR Code-based application designed to enhance transparency and traceability in the rice supply chain. Ricetrack was developed using Hyperledger Sawtooth technology with the Agile Blockchain DApp Engineering methodology. The application was prototyped and tested in the rice supply chain at Menata Citra Selaras, Bekasi Regency, Indonesia. Before Ricetrack, traceability and data transparency were very minimal or almost nonexistent, with records maintained manually using paper and/or Microsoft Excel. Prototype testing showed significant improvements in traceability, data transparency, and operational efficiency. Key findings include increased ability to track rice from farmers to consumers, enhanced real-time data access for stakeholders, and reduced errors and time in data recording processes. This study offers valuable insights into the practical challenges and benefits of applying blockchain technology in supply chain management and provides a foundation for further improvement and wider implementation of Ricetrack in the future.Pengembangan aplikasi berbasis blockchain memiliki potensi untuk merevolusi transparansi dan ketertelusuran rantai pasok. Makalah ini menyajikan pengembangan Ricetrack, sebuah aplikasi berbasis blockchain dan QR Code yang dirancang untuk meningkatkan transparansi dan ketertelusuran dalam rantai pasok beras. Ricetrack dikembangkan menggunakan teknologi Hyperledger Sawtooth dengan metodologi Agile Blockchain DApp Engineering. Aplikasi ini diprototipekan dan diuji dalam rantai pasok beras di Menata Citra Selaras, Kabupaten Bekasi, Indonesia. Sebelum Ricetrack, ketertelusuran dan transparansi data sangat minim atau hampir tidak ada, dengan catatan yang dipelihara secara manual menggunakan kertas dan/atau Microsoft Excel. Pengujian prototipe menunjukkan peningkatan signifikan dalam ketertelusuran, transparansi data, dan efisiensi operasional. Temuan utama meliputi peningkatan kemampuan melacak beras dari petani hingga konsumen, peningkatan akses data real-time bagi pemangku kepentingan, dan pengurangan kesalahan serta waktu dalam proses pencatatan data. Studi ini menawarkan wawasan berharga tentang tantangan praktis dan manfaat penerapan teknologi blockchain dalam manajemen rantai pasok serta menyediakan dasar untuk peningkatan lebih lanjut dan implementasi Ricetrack yang lebih luas di masa depan
Analisis Kesenjangan Pemenuhan Standar Sistem Manajemen Keamanan Informasi pada Ina-Geoportal
Full text linkPeningkatan ancaman terhadap keamanan informasi saat ini dan tuntutan regulasi terhadap sistem Ina-geoportal sebagai sistem elektronik strategis menuntut Badan Informasi Geospasial untuk menerapkan serta memperoleh sertifikasi standar ISO/IEC 27001 pada ruang lingkup Ina-geoportal. Analisis kesenjangan dilakukan guna mengevaluasi tingkat ketersediaan persyaratan standar dan kontrol keamanan informasi yang telah ditetapkan, berdasarkan studi dokumen, observasi, dan wawancara kepada 10 responden dari Pusat Pengelolaan dan Penyebarluasan Informasi Geospasial. Hasil analisis menunjukkan bahwa mayoritas persyaratan dalam standar belum terpenuhi, dengan 20 dari 26 persyaratan masih belum terpenuhi. Hal ini terjadi karena Badan Informasi Geospasial baru menerapkan ISO/IEC 27001 pada ruang lingkup fasilitas fisik dan jaringan di pusat data. Dari 108 kontrol keamanan informasi yang ditetapkan, sebanyak 28 kontrol belum terpenuhi, meskipun sebagian besar kontrol telah terpenuhi oleh penerapan standar pada ruang lingkup saat ini.The increasing threats to information security and regulatory demands on the Ina-geoportal system as a strategic electronic system require the National Geospatial Information Agency (Badan Informasi Geospasial) to implement and obtain ISO/IEC 27001 standard certification within the scope of the Ina-geoportal. Gap analysis is conducted to evaluate compliance with standard requirements and established information security controls, based on document studies, observations, and interviews with 10 respondents from the Center for Management and Dissemination of Geospatial Information. The analysis results show that the majority of standard requirements remain unfulfilled, with 20 out of 26 requirements still unmet. This shortfall is attributed to the National Geospatial Information Agency\u27s limited implementation of ISO/IEC 27001, focusing solely on physical facilities and network infrastructure within data centers. Despite significant progress, with most controls met within the current scope, 28 out of 108 established information security controls remain unmet
Perancangan Antarmuka Pengguna Aplikasi Mobile Sistem Informasi Akademik (SIMAK) menggunakan Metode Design Thinking: (Studi Kasus: SIMAK Universitas Pakuan)
Full text linkSIMAK (Sistem Informasi Akademik) merupakan sebuah sistem yang dibangun untuk mendukung pelaksanaan penyelenggaraan pendidikan, seperti proses registrasi, perkuliahan, evaluasi, serta pelaporan. Saat ini SIMAK banyak digunakan di perguruan tinggi, termasuk di Universitas Pakuan. Meski demikian, SIMAK yang digunakan saat ini oleh mahasiswa Universitas Pakuan adalah berbasiskan website dengan tampilan yang tidak responsif ketika dibuka di peramban web pada perangkat mobile. Akibatnya tampilan dan pengalaman pengguna SIMAK akan tetap seperti yang diperuntukan untuk pengguna website dan belum menyesuaikan dengan tampilan dan pengalaman pengguna pada perangkat mobile. Selain itu, Universitas Pakuan juga belum memiliki aplikasi mobile SIMAK sendiri yang dirancang khusus sesuai dengan kebutuhan pengguna. Berdasarkan masalah tersebut, pada penelitian ini dilakukan perancangan antarmuka pengguna aplikasi mobile SIMAK Universitas Pakuan menggunakan pendekatan Design Thinking. Evaluasi dalam penelitian dilakukan dengan kuesioner berdasarkan persepsi pengguna terhadap lima aspek usability heuristic, yaitu Visibility of Status System, Match Between System and The Real World, Consistency and Standards, Recognition Rather Than Recall, dan Aesthetic and Minimalist. Selanjutnya dilakukan survey untuk mendapatkan umpan balik dari pengguna terkait perancangan antarmuka pengguna yang telah dibangun. Hasil penelitian menunjukkan bahwa perancangan antarmuka pengguna aplikasi mobile SIMAK untuk Universitas Pakuan telah berhasil dirancang dengan prototipe sebagai luaran yang memiliki kinerja yang lebih baik dari sistem yang dibangun sebelumnya. Selain itu, hasil usability testing menunjukkan bahwa prototipe SIMAK berbasis mobile dapat diterima dengan baik oleh pengguna dan dapat dijadikan acuan untuk pengembangan aplikasi mobile SIMAK lebih lanjut.SIMAK (Academic Information System) is a system built to support the implementation of education, such as registration processes, lectures, evaluations, and reporting. Currently, SIMAK is widely used in higher education institutions, including Pakuan University. However, the SIMAK used by students at Pakuan University is currently based on a website with a non-responsive display when accessed on web browsers on mobile devices. As a result, the display and user experience of SIMAK remain as intended for website users and have not been adapted to the display and user experience on mobile devices. Additionally, Pakuan University does not yet have its own SIMAK mobile application designed specifically to meet user needs. Based on these issues, this research aims to design the user interface of the SIMAK mobile application for Pakuan University using the Design Thinking approach. Evaluation in the research is conducted using a quantitative questionnaire based on users\u27 perceptions of five usability heuristic aspects, namely Visibility of Status System, Match Between System and The Real World, Consistency and Standards, Recognition Rather Than Recall, and Aesthetic and Minimalist. Subsequently, a survey is conducted to obtain feedback from users regarding the designed user interface. The research results indicate that the user interface design of the SIMAK mobile application for Pakuan University has been successfully developed with a prototype as the output, which performs better than the previously built system. Furthermore, the usability testing results indicate that the mobile-based SIMAK prototype is well-received by users and can be used as a reference for further development of the SIMAK mobile application
Prediksi Performa Akademik Mahasiswa untuk Kelulusan Predikat Cum Laude dengan Pendekatan Machine Learning
Full text linkPenelitian ini bertujuan untuk mengembangkan model yang dapat memprediksi jumlah mahasiswa yang lulus dengan predikat cum laude pada perguruan tinggi. Penelitian ini menggunakan algoritma machine learning untuk klasifikasi sehingga dapat dilakukan prediksi. Hasil dari penelitian ini menunjukkan efektivitas model dalam memprediksi kelulusan cum laude agar dapat memberikan kesempatan bagi universitas untuk meningkatkan kualitas lulusan secara keseluruhan dan mengatasi penurunan standar kelulusan yang mungkin terjadi. Prediksi jumlah mahasiswa cum laude dilakukan pada penelitian ini, untuk membantu proses pengambilan keputusan oleh pemangku kebijakan pada perguruan tinggi. Dengan memanfaatkan teknik machine learning, institusi dapat mengantisipasi dan mendukung mahasiswa dalam mencapai predikat cum laude, sehingga diharapkan dapat meningkatkan kualitas lulusan secara keseluruhan. Dalam penelitian ini, dibandingkan tiga algoritma machine learning yakni algoritma Naïve Bayes, Random Forest, dan C4.5 untuk melakukan prediksi kelulusan mahasiswa dengan predikat cum laude. Hasil penelitian menunjukkan bahwa dalam kasus ini kinerja terbaik dicapai oleh algoritma Naïve Bayes dengan nilai akurasi 87.60%, precision 86.70%, recall 92.10% dan F1-score 89.30%. Selain itu, algoritma Naïve Bayes juga menghasilkan nilai waktu komputasi terendah pada kasus yang diujikan dibandingkan dengan algoritma lainnya.
This research aims to develop a predictive model using machine learning techniques to forecast cum laude graduations within a university. Machine learning algorithms are utilized for classification to enable such predictions. The research results demonstrate the effectiveness of the model in predicting cum laude graduation, thereby providing opportunities for the university to enhance the overall quality of graduates and address potential declines in graduation standards. Predictions regarding the number of cum laude students are made in this study to assist decision-making processes among university stakeholders. By leveraging machine learning techniques, institutions can anticipate and support students in achieving cum laude honours, ultimately leading to an improvement in the overall quality of graduates. In this study, three machine learning algorithms—Naïve Bayes, random forest, and C4.5—are compared for predicting student graduation with cum laude honours. The results of the study show that, for the considered case, the best performance was achieved by the Naïve Bayes algorithm with 87.60% accuracy, 86.70% precision, 92.10% recall, and 89.30% F1-score. In addition, the Naïve Bayes algorithm also obtained the lowest computational time compared to other algorithms. 
Perancangan Arsitektur Sistem Informasi Pelayanan Pengujian Benih pada (Balai Besar PPMBTPH) Menggunakan TOGAF ADM
Full text linkPengujian mutu benih berperan besar dalam menyajikan hasil uji yang tepat dan akurat, sesuai dengan peraturan. Balai Besar Pengembangan Pengujian Mutu Benih Tanaman Pangan dan Hortikultura (BBPPMBTPH) memiliki peran dalam pelaksanaan pelayanan dan sebagai laboratorium acuan nasional dalam pengujian mutu benih. Penelitian ini bertujuan untuk merancang arsitektur sistem manajemen informasi pelayanan pengujian benih dengan menggunakan kerangka kerja TOGAF ADM. Tahapan penelitian dimulai dengan preliminary, arsitektur visi dan arsitektur bisnis menganalisis identifikasi tujuan, kebutuhan pengguna, pemetaan proses bisnis, dan identifikasi risiko. Kemudian, dilakukan perancangan arsitektur sistem informasi yang mencakup arsitektur data dan arsitektur aplikasi. Hasil penelitian menunjukkan bahwa TOGAF ADM dapat digunakan dalam perancangan arsitektur sistem informasi pengujian laboratorium BBPPMBTPH. Berdasarkan gap analysis, peningkatan kualitas pelayanan berkaitan dengan aspek efisiensi, efektivitas, akurasi, transparansi, dan akuntabilitas. Aspek-aspek tersebut menjadi proses bisnis yang diinginkan dalam bentuk sistem informasi manajemen. Arsitektur sistem informasi menghasilkan 5 kandidat modul aplikasi yaitu manajemen permohonan, manajemen pengujian, manajemen data, manajemen pelaporan, dan manajemen laporan, modul aplikasi tersebut saling terintegrasi membentuk sistem informasi manajemen pengujian laboratorium.Seed quality testing plays a major role in presenting test results that are precise, accurate. The Center for Development of Seed Quality Testing for Food and Horticultural Crops (BBPPMBBTPH) has an important role in implementing services and as a national reference laboratory in testing seed quality. This research aims to design an information system architecture for seed testing services by adopting the TOGAF ADM framework. The preliminary stages, vision architecture and business architecture analyze goal identification, user needs, business process mapping and risk identification. Then, the information system architecture is designed which includes data architecture and application architecture. The research results show that TOGAF ADM can be used in designing the BBPPMBTPH laboratory testing information system architecture. Based on gap analysis, improving service quality is related to aspects of efficiency, effectiveness, accuracy, transparency and accountability. These aspects become desired business processes in the form of management information systems. The information system architecture results in five candidate application modules: application management, testing management, data management, reporting management, and report management. These application modules are integrated to form a laboratory testing management information system
Institutional Repository Information System Analysis Utilizing the PIECES Method (case study: Polytechnic of the Ministry of Health in Palu): Institutional Repository Information System Analysis Utilizing the PIECES Method (case study: Polytechnic of the Ministry of Health in Palu)
Full text linkPerkembangan teknologi informasi dan komunikasi telah berkembang secara signifikan dan dapat diterapkan di segala bidang. Di lembaga pendidikan, teknologi sangat dibutuhkan untuk pengolahan data dan sumber informasi, termasuk dokumentasi digital karya intelektual seperti karya ilmiah. Repositori merupakan salah satu cara untuk menjadi sarana penyimpanan karya – karya intelektual dari civitas akademik pada perguruan tinggi. Terintegrasi dari repositori universitas dan lembaga penelitian di Indonesia. Politeknik Kesehatan Kemenkes Palu sudah memiliki repositori, namun perlu pengaturan lebih lanjut untuk mengoptimalkan pemanfaatannya. Penelitian ini bertujuan untuk menganalisis dan mengevaluasi kondisi sistem informasi repository di Politeknik Kesehatan Kemenkes Palu yang telah beroperasi. Metode PIECES digunakan untuk analisis ini, diharapkan dapat menghasilkan proposal yang lebih baik untuk sistem informasi repositori institusional. Data dikumpulkan dengan menggunakan skala Likert yang meliputi lima jenis nilai predikat mulai dari yang paling positif hingga yang paling negatif. Selain itu, penelitian ini menggunakan diagram RACI untuk menentukan tugas dan posisi yang bertanggung jawab atas website repositori. Uji validitas dan reliabilitas dilakukan untuk memastikan keabsahan dan keandalan data yang diperoleh dari kuesioner.Information and communication technology development has grown significantly and can be applied in all fields. In educational institutions, technology is needed for data processing and information sources, including digital documentation of intellectual works such as scientific papers. Repositories are one way to become a means of storing scholarly works from the academic community at tertiary institutions. They are integrated from the repository of universities and research institutes in Indonesia. The Health Polytechnic of the Ministry of Health in Palu already has a repository, but further arrangements are needed to optimize its utilization. This study aims to analyze and evaluate the condition of the repository information system at the Health Polytechnic of the Ministry of Health in Palu, which has been operating. The PIECES method used for this analysis is expected to produce better proposals for institutional repository information systems. Data was collected using a Likert scale, including five predicate values ranging from positive to negative. In addition, this study uses the RACI diagram to determine the duties and positions responsible for the website repository. Validity and reliability tests were carried out to ensure the validity and reliability of the data obtained from the questionnaire
Comparison of the Performance of Random Forest, Adaboost and Xgboost Algorithms in Predicting the Risk of Osteoporosis Disease
Full text linkPenyakit tulang yang disebut osteoporosis ditandai oleh berkurangnya massa tulang dan meningkatnya kerapuhan, yang meningkatkan kemungkinan patah tulang terutama pada pinggul, tulang belakang dan pergelangan tangan. Penyakit ini dapat dialami oleh perempuan dan laki-laki, khususnya usia tua. Penyakit ini umumnya tidak menimbulkan gejala pada tahap awal, sehingga prediksi dini sangat penting untuk pencegahan dan penanganan. Tujuan dari penelitian ini adalah untuk membandingkan kinerja tiga algoritma pembelajaran mesin, yaitu Random Forest, AdaBoost dan XGBoost, dalam memprediksi resiko osteoporosis. Dataset yang digunakan berjumlah 1781 data dengan tiga skema pembagian data 80:20, 70:30 dan 60:40. Pada algoritma Random Forest, skema 80:20 memberikan hasil terbaik dengan akurasi 87,11%, dan presisi 89,09%. Sementara itu, algoritma AdaBoost menunjukkan performa terbaik pada skema 60:40 dengan akurasi 92,01% dan presisi 93,13%. Algoritma XGBoost menunjukkan hasil terbaik pada skema 80:20 dengan akurasi 90,20% dan presisi 90,77%. Hasil penelitian menunjukkan bahwa algoritma AdaBoost memiliki kinerja terbaik di antara ketiga algoritma yang diuji. Setelah itu mengimplementasikan model prediksi resiko osteoporosis ke dalam website, yang memungkinkan pengguna melakukan prediksi berdasarkan 14 variabel: umur, jenis kelamin, riwayat keluarga, etnis, penggunaan obat, riwayat patah tulang, perubahan hormonal, asupan vitamin D, asupan kalsium, berat badan, aktivitas fisik, konsumsi alcohol, merokok dan kondisi medis.The bone disease known as osteoporosis is characterized by a decrease in bone mass and an increase in fragility, which raises the likelihood of fractures, particularly in the hips, spine, and wrists. This disease can be experienced by both women and men, especially in old age. This disease generally does not cause symptoms in the early stages, so early prediction is very important for prevention and management. The aim of this research is to compare the performance of three machine learning algorithms, namely Random Forest, AdaBoost, and XGBoost, in predicting the risk of osteoporosis. The dataset used consists of 1781 data points with three data splitting schemes: 80:20, 70:30, and 60:40. In the Random Forest algorithm, the 80:20 scheme yields the best results with an accuracy of 87.11% and a precision of 89.09%. Meanwhile, the AdaBoost algorithm shows the best performance in the 60:40 scheme with an accuracy of 92.01% and a precision of 93.13%. The XGBoost algorithm demonstrates the best results in the 80:20 scheme with an accuracy of 90.20% and a precision of 90.77%. The research findings indicate that the AdaBoost algorithm has the best performance among the three tested algorithms. After that, the osteoporosis risk prediction model was implemented into the website, allowing users to make predictions based on 14 variables: age, gender, family history, ethnicity, medication use, history of fractures, hormonal changes, vitamin D intake, calcium intake, weight, physical activity, alcohol consumption, smoking, and medical condition
YOLO V5 untuk Deteksi Plat Kendaraan di DKI Jakarta
No full textAturan ganjil genap pada pelat nomor kendaraan di DKI Jakarta bertujuan untuk mengurangi kemacetan yang terjadi di DKI Jakarta. Penerapan peraturan tersebut terkendala oleh keterbatasan fungsi pengawasan manual oleh petugas. Permasalahan tersebut dapat diatasi dengan mengimplementasikan kecerdasan berupa pendeteksian objek plat nomor dengan algoritma YOLO v5 dan proses ekstraksi karakter dengan teknologi Optical Character Recognition menggunakan Tesseract OCR. Teknologi pendeteksi objek akan mendeteksi objek berupa plat kendaraan. Metode OCR dapat mengekstraksi karakter pada plat nomor, hasil ekstraksi dapat diolah menjadi kategorisasi parameter sehingga program dapat membedakan kendaraan yang melanggar aturan dan tidak melanggar aturan secara otomatis dan lebih efektif serta meminimalisir kesalahan. Berdasarkan penelitian ini, rata-rata persentase objek yang terdeteksi pada setiap video adalah 92,38%, dan rata-rata nilai kepercayaan yang diperoleh pada deteksi objek antara 75,55%. Tingkat keberhasilan proses ekstraksi karakter pada plat nomor adalah 95,45%, dan rata-rata proporsi menurut kategori pelat nomor yang terdeteksi adalah 97,2%. Implementasi Algoritma YOLO berhasil mendeteksi plat nomor dengan kategori ganjil dan genap pada video yang dapat memberikan rambu-rambu dan menyelamatkan pelanggaran kendaraan yang melanggar aturan ganjil dan genap.The odd-even rule on vehicle number plates in DKI Jakarta aims to reduce congestion that occurs in DKI Jakarta. The application of these regulations is constrained by the limitations of the manual supervision function by officers. This problem can be overcome by implementing intelligence in the form of detecting number plate objects with the YOLO v5 algorithm and the character extraction process with Optical Character Recognition technology using Tesseract OCR. Object detection technology will detect objects in the form of vehicle plates. The OCR method can extract the characters on the number plate, the extraction results can be processed into parameter categorization so that the program can distinguish between vehicles that violate the rules and do not violate the rules automatically and more effectively and minimize errors. Based on this research, the average percentage of objects detected in each video is 92.38%, and the average confidence value obtained in object detection is between 75.55%. The success rate of the character extraction process on number plates is 95.45%, and the average proportion according to the detected number plate category is 97.2%. The implementation of the YOLO Algorithm has succeeded in detecting license plates with odd and even categories on videos that can provide signs and save violations of vehicles that violate the odd and even rules