Optical Character Recognition Menggunakan Metode Reduced Support Vector Machine Pada Ekstraksi Dokumen Citra Kartu Tanda Penduduk Elektronik (E-KTP)
Total View This Week0
Total View This Week0
Institusion
Universitas Komputer Indonesia
Author
Majid, Ari Abdul
Subject
005_Computer Programming, Programs & Data
Datestamp
2021-06-29 09:05:23
Abstract :
KTP elektronik (E-KTP) merupakan kartu identitas setiap warga. E-KTP mirip dengan KTP biasa, hanya ditambah chip yang berfungsi sebagai smart card [1]. Dalam E-KTP memuat berbagai informasi mengenai identitas warga, oleh karena itu dilakukan ekstraksi informasi guna mengubah informasi yang tidak terstruktur menjadi data yang terstruktur. Pada proses ekstraksi informasi, digunakan metode Optical Character Recognition (OCR) untuk mengenali pola tulisan atau karakter yang terdapat pada citra E-KTP. Sebelumnya telah dilakukan penelitian tentang ekstraksi informasi pada citra E-KTP dengan menggunakan algoritma Template Matching. Algoritma Template Matching sangat baik dalam pengenalan karakter yang terdapat pada E-KTP. Pada penelitian ini, peneliti menggunakan algoritma Reduced Support Vector Machine (RSVM). RSVM merupakan turunan dari algoritma Support Vector Machine (SVM), namun pada SVM memiliki kekurangan yaitu kurang efisien dalam menangani jumlah data yang besar. Kelebihan RSVM dibanding dengan SVM adalah kemampuan algoritma RSVM mampu mengurangi kompleksitas model, waktu komputasi, dan penggunaan memori yang jauh lebih kecil. Dengan menggunakan 400 dataset citra E-KTP, hasil dari proses klasifikasi dengan menggunakan metode RSVM pada kasus OCR dan ekstraksi informasi pada citra E-KTP diperoleh rata-rata akurasi sebesar 90,51% dengan menggunakan kernel Radial Basis Function (RBF) dengan nilai gamma terbaik 0,01 dan parameter v bernilai 10.
KTP elektronik (E-KTP) merupakan kartu identitas setiap warga. E-KTP mirip dengan KTP biasa, hanya ditambah chip yang berfungsi sebagai smart card [1]. Dalam E-KTP memuat berbagai informasi mengenai identitas warga, oleh karena itu dilakukan ekstraksi informasi guna mengubah informasi yang tidak terstruktur menjadi data yang terstruktur. Pada proses ekstraksi informasi, digunakan metode Optical Character Recognition (OCR) untuk mengenali pola tulisan atau karakter yang terdapat pada citra E-KTP. Sebelumnya telah dilakukan penelitian tentang ekstraksi informasi pada citra E-KTP dengan menggunakan algoritma Template Matching. Algoritma Template Matching sangat baik dalam pengenalan karakter yang terdapat pada E-KTP. Pada penelitian ini, peneliti menggunakan algoritma Reduced Support Vector Machine (RSVM). RSVM merupakan turunan dari algoritma Support Vector Machine (SVM), namun pada SVM memiliki kekurangan yaitu kurang efisien dalam menangani jumlah data yang besar. Kelebihan RSVM dibanding dengan SVM adalah kemampuan algoritma RSVM mampu mengurangi kompleksitas model, waktu komputasi, dan penggunaan memori yang jauh lebih kecil. Dengan menggunakan 400 dataset citra E-KTP, hasil dari proses klasifikasi dengan menggunakan metode RSVM pada kasus OCR dan ekstraksi informasi pada citra E-KTP diperoleh rata-rata akurasi sebesar 90,51% dengan menggunakan kernel Radial Basis Function (RBF) dengan nilai gamma terbaik 0,01 dan parameter v bernilai 10.
File :
UNIKOM_Ari Abdul Majid_Cover.pdf
UNIKOM_Ari Abdul Majid_Lembar Pengesahan.pdf
UNIKOM_Ari Abdul Majid_Bab 5.pdf
UNIKOM_Ari Abdul Majid_Daftar Pustaka.pdf
UNIKOM_Ari Abdul Majid_Kontak Penulis Dan Kontributor Penelitian.pdf
UNIKOM_Ari Abdul Majid_Surat Keterangan Publikasi.pdf
UNIKOM_Ari Abdul Majid_Surat Keterangan Orisinalitas.pdf
UNIKOM_Ari Abdul Majid_Kata Pengantar.pdf
UNIKOM_Ari Abdul Majid_Daftar Isi.pdf
UNIKOM_Ari Abdul Majid_Bab 1.pdf
UNIKOM_Ari Abdul Majid_Bab 2.pdf
UNIKOM_Ari Abdul Majid_Bab 3.pdf
UNIKOM_Ari Abdul Majid_Bab 4.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
