Optical Character Recognition (Ocr) Menggunakan Learning Vector Quantization (Lvq) Pada Citra Sertifikat
Total View This Week0
Total View This Week0
Institusion
Universitas Komputer Indonesia
Author
Darmawan, Herry
Subject
004_Data Processing & Computer Science
Datestamp
2022-01-07 02:33:33
Abstract :
Optical Character Recognition (OCR) berfungsi untuk mengubah citra karakter menjadi bentuk teks digital. OCR dapat diterapkan ke dalam bentuk dokumen seperti sertifikat. Sertifikat merupakan surat keterangan secara tertulis dari pihak yang berwenang dan dapat digunakan sebagai bukti suatu kejadian. Penelitian ini akan membahas tentang OCR pada Sertifikat dengan menggunakan metode Learning Vector Quantization (LVQ) karena pada penelitian sebelumnya yang membahas mengenai OCR mendapatkan hasil akurasi yang besar namun akurasi tersebut akan menurun ketika orang-orang tidak menggunakan huruf yang sama pada saat pengujian. Oleh karena itu, objek yang akan digunakan sebagai bahan penelitian adalah hasil scan huruf yang terdapat pada sertifikat. Pada penelitian ini, metode yang akan digunakan adalah Grayscaling, Maximally Stable Extremal Region (MSER), Profile projection, scaling, dan ekstraksi ciri Moment Invariant. Pada penelitian ini menggunakan 10 font data latih dengan 12.400 dataset yang terdiri dari 62 kelas berisi huruf 0-9, A-Z, dan a-z. Data uji yang digunakan berjumlah 4 buah scan citra sertifikat. Berdasarkan hasil pengujian didapatkan persentase akurasi tertinggi sebesar 29.38%. Hasil akurasi ini dipengaruhi oleh nilai learning rate, minalfa pada proses pelatihan, hasil preprocessing, proses ekstraksi ciri, dan kualitas citra sertifikat.
Optical Character Recognition (OCR) berfungsi untuk mengubah citra karakter menjadi bentuk teks digital. OCR dapat diterapkan ke dalam bentuk dokumen seperti sertifikat. Sertifikat merupakan surat keterangan secara tertulis dari pihak yang berwenang dan dapat digunakan sebagai bukti suatu kejadian. Penelitian ini akan membahas tentang OCR pada Sertifikat dengan menggunakan metode Learning Vector Quantization (LVQ) karena pada penelitian sebelumnya yang membahas mengenai OCR mendapatkan hasil akurasi yang besar namun akurasi tersebut akan menurun ketika orang-orang tidak menggunakan huruf yang sama pada saat pengujian. Oleh karena itu, objek yang akan digunakan sebagai bahan penelitian adalah hasil scan huruf yang terdapat pada sertifikat. Pada penelitian ini, metode yang akan digunakan adalah Grayscaling, Maximally Stable Extremal Region (MSER), Profile projection, scaling, dan ekstraksi ciri Moment Invariant. Pada penelitian ini menggunakan 10 font data latih dengan 12.400 dataset yang terdiri dari 62 kelas berisi huruf 0-9, A-Z, dan a-z. Data uji yang digunakan berjumlah 4 buah scan citra sertifikat. Berdasarkan hasil pengujian didapatkan persentase akurasi tertinggi sebesar 29.38%. Hasil akurasi ini dipengaruhi oleh nilai learning rate, minalfa pada proses pelatihan, hasil preprocessing, proses ekstraksi ciri, dan kualitas citra sertifikat.
File :
UNIKOM_HERRY DARMAWAN_COVER.pdf
UNIKOM_HERRY DARMAWAN_LEMBAR PENGESAHAN.pdf
UNIKOM_HERRY DARMAWAN_BAB 5.pdf
UNIKOM_HERRY DARMAWAN_DAFTAR PUSTAKA.pdf
UNIKOM_HERRY DARMAWAN_KONTAK PENULIS DAN KONTRIBUTOR PENELITIAN.pdf
UNIKOM_HERRY DARMAWAN_SURAT KETERANGAN PUBLIKASI.pdf
UNIKOM_HERRY DARMAWAN_SURAT KETERANGAN ORISINALITAS.pdf
UNIKOM_HERRY DARMAWAN_KATA PENGANTAR.pdf
UNIKOM_HERRY DARMAWAN_DAFTAR ISI.pdf
UNIKOM_HERRY DARMAWAN_BAB 1.pdf
UNIKOM_HERRY DARMAWAN_BAB 2.pdf
UNIKOM_HERRY DARMAWAN_BAB 3.pdf
UNIKOM_HERRY DARMAWAN_BAB 4.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
