Metode K-Support Vector Nearest Neighbor (K-Svnn) Untuk Mengenali Karakter Dalam Dokumen Citra Sertifikat
Total View This Week0
Total View This Week0
Institusion
Universitas Komputer Indonesia
Author
Hambali, Zacky Rinaldi
Subject
004_Data Processing & Computer Science
Datestamp
2021-07-31 02:28:08
Abstract :
Optical Character Recognition (OCR) merupakan perangkat lunak yang dapat mengubah teks dari gambar menjadi teks dalam bentuk digital sehingga dapat diproses menjadi suatu informasi. Pada penelitian ini objek yang digunakan untuk dilakukan proses OCR adalah scan dokumen sertifkat. Sertifikat merupakan surat keterangan tertulis yang digunakan sebagai bukti kepemilikan telah mengikuti suatu kegiatan, dimana pada dokumen sertifikat jenis huruf dan ukuran yang digunakan berbeda-beda. Pada penelitian ini metode klasifikasi yang digunakan adalah K-Nearest Neighbor (K-NN) dan reduksi data K-Support Vector Nearest Neighbor (K-SVNN). Sebelum dilakukan reduksi data dan klasifikasi, scan dokumen sertifikat akan melalui beberapa tahap yang terdiri dari grayscaling, thresholding, segmentasi Profile Projection dan Maximally Stable Extremal Regions (MSER), scaling, dan ekstraksi fitur Moment Invariant. Penelitian ini dilakukan dengan menggunakan 2520 dataset yang terdiri dari 36 kelas berisi huruf A-Z, a-z dan angka 0-9. Data uji yang digunakan berjumlah 10 buah scan dokumen sertifikat. Hasil pengujian yang dilakukan berdasarkan 20 kombinasi parameter K dari K-NN dan K dari K-SVNN mendapatkan tingkat akurasi terbesar yaitu 30.9827% dengan jumlah reduksi data sebesar 24,5238% dengan kombinasi parameter K dari K-SVNN = 19 dan K dari K-NN = 1. Hasil tersebut dipengaruhi oleh preprocessing serta data latih dan data uji yang digunakan. Hal tersebut dikarenakan background pada sertifikat itu tidak polos, melainkan memiliki gambar dan pola sehingga mengakibatkan gambar dan pola tersebut dikenali sebagai objek pada proses segmentasi.
Optical Character Recognition (OCR) merupakan perangkat lunak yang dapat mengubah teks dari gambar menjadi teks dalam bentuk digital sehingga dapat diproses menjadi suatu informasi. Pada penelitian ini objek yang digunakan untuk dilakukan proses OCR adalah scan dokumen sertifkat. Sertifikat merupakan surat keterangan tertulis yang digunakan sebagai bukti kepemilikan telah mengikuti suatu kegiatan, dimana pada dokumen sertifikat jenis huruf dan ukuran yang digunakan berbeda-beda. Pada penelitian ini metode klasifikasi yang digunakan adalah K-Nearest Neighbor (K-NN) dan reduksi data K-Support Vector Nearest Neighbor (K-SVNN). Sebelum dilakukan reduksi data dan klasifikasi, scan dokumen sertifikat akan melalui beberapa tahap yang terdiri dari grayscaling, thresholding, segmentasi Profile Projection dan Maximally Stable Extremal Regions (MSER), scaling, dan ekstraksi fitur Moment Invariant. Penelitian ini dilakukan dengan menggunakan 2520 dataset yang terdiri dari 36 kelas berisi huruf A-Z, a-z dan angka 0-9. Data uji yang digunakan berjumlah 10 buah scan dokumen sertifikat. Hasil pengujian yang dilakukan berdasarkan 20 kombinasi parameter K dari K-NN dan K dari K-SVNN mendapatkan tingkat akurasi terbesar yaitu 30.9827% dengan jumlah reduksi data sebesar 24,5238% dengan kombinasi parameter K dari K-SVNN = 19 dan K dari K-NN = 1. Hasil tersebut dipengaruhi oleh preprocessing serta data latih dan data uji yang digunakan. Hal tersebut dikarenakan background pada sertifikat itu tidak polos, melainkan memiliki gambar dan pola sehingga mengakibatkan gambar dan pola tersebut dikenali sebagai objek pada proses segmentasi.
File :
UNIKOM_ZACKY RINALDI HAMBALI_COVER.pdf
UNIKOM_ZACKY RINALDI HAMBALI_LEMBAR PENGESAHAN.pdf
UNIKOM_ZACKY RINALDI HAMBALI_BAB 5.pdf
UNIKOM_ZACKY RINALDI HAMBALI_DAFTAR PUSTAKA.pdf
UNIKOM_ZACKY RINALDI HAMBALI_KONTAK PENULIS DAN KONTRIBUTOR PENELITIAN.pdf
UNIKOM_ZACKY RINALDI HAMBALI_SURAT KETERANGAN PUBLIKASI.pdf
UNIKOM_ZACKY RINALDI HAMBALI_SURAT KETERANGAN ORISINALITAS.pdf
UNIKOM_ZACKY RINALDI HAMBALI_KATA PENGANTAR.pdf
UNIKOM_ZACKY RINALDI HAMBALI_DAFTAR ISI.pdf
UNIKOM_ZACKY RINALDI HAMBALI_BAB 1.pdf
UNIKOM_ZACKY RINALDI HAMBALI_BAB 2.pdf
UNIKOM_ZACKY RINALDI HAMBALI_BAB 3.pdf
UNIKOM_ZACKY RINALDI HAMBALI_BAB 4.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
