Optical Character Recognition (Ocr) Pada Sertifikat Menggunakan Maximally Stable Extremal Regions Dan Support Vector Machine
Total View This Week0
Total View This Week0
Institusion
Universitas Komputer Indonesia
Author
Shorfana, Muhammad Iqbal
Subject
004_Data Processing & Computer Science
Datestamp
2022-01-12 03:55:23
Abstract :
Optical Character Recognition (OCR) merupakan citra yang dapat dikenali oleh komputer dalam proses konversi menjadi karakter ASCII. Citra bisa berupa hasil print-screen, hasil dokumen yang telah di scan, hasil foto dan lain sebagainya. Pada penelitian ini dokumen yang digunakan adalah dokumen sertifikat yang telah di scan. Karena pada sertifikat terdapat huruf yang berbagai macam jenis. Pada penelitian ini metode segmentasi yang digunakan adalah Maximally Stable Extremal Regions, sedangkan untuk klasifikasi digunakan Support Vector Machine. Sebelum masuk kedalam tahap klasifikasi, citra akan melalui tahap preprocessing yang terdiri dari grayscale, proses Maximally Stable Extremal Regions, serta resize atau resize. Dimana MSER akan mendeteksi teks dan bukan teks pada sertifikat seperti memisahkan karakter huruf dan angka dengan logo atau tanda tangan dan lain-lain. Pada penelitian ini karakter yang akan dikenali adalah 62 karakter atau kelas yang terdiri dari 0-9, A-Z, a-z. Sampel yang digunakan untuk data training pada tiap kelasnya adalah 120 data kemudian ditambah dengan beberapa sampel dari data uji. Kemudian sampel yang digunakan untuk data uji adalah 20 sertifikat. Berdasarkan hasil pengujian yang dilakukan, maka didapatkan rata-rata akurasi terbaik sebesar 53,2346%, Precision 60,05%, Recall sebesar 52,65% dan F1-Score 55,81%. hasil tersebut dipengaruhi oleh preprocessing. Karena pada sertifikat terdapat karakter yang memiliki objek yang terpisah dan berdempet.
Optical Character Recognition (OCR) merupakan citra yang dapat dikenali oleh komputer dalam proses konversi menjadi karakter ASCII. Citra bisa berupa hasil print-screen, hasil dokumen yang telah di scan, hasil foto dan lain sebagainya. Pada penelitian ini dokumen yang digunakan adalah dokumen sertifikat yang telah di scan. Karena pada sertifikat terdapat huruf yang berbagai macam jenis. Pada penelitian ini metode segmentasi yang digunakan adalah Maximally Stable Extremal Regions, sedangkan untuk klasifikasi digunakan Support Vector Machine. Sebelum masuk kedalam tahap klasifikasi, citra akan melalui tahap preprocessing yang terdiri dari grayscale, proses Maximally Stable Extremal Regions, serta resize atau resize. Dimana MSER akan mendeteksi teks dan bukan teks pada sertifikat seperti memisahkan karakter huruf dan angka dengan logo atau tanda tangan dan lain-lain. Pada penelitian ini karakter yang akan dikenali adalah 62 karakter atau kelas yang terdiri dari 0-9, A-Z, a-z. Sampel yang digunakan untuk data training pada tiap kelasnya adalah 120 data kemudian ditambah dengan beberapa sampel dari data uji. Kemudian sampel yang digunakan untuk data uji adalah 20 sertifikat. Berdasarkan hasil pengujian yang dilakukan, maka didapatkan rata-rata akurasi terbaik sebesar 53,2346%, Precision 60,05%, Recall sebesar 52,65% dan F1-Score 55,81%. hasil tersebut dipengaruhi oleh preprocessing. Karena pada sertifikat terdapat karakter yang memiliki objek yang terpisah dan berdempet.
File :
UNIKOM_MUHAMMAD IQBAL SHORFANA_COVER.pdf
UNIKOM_MUHAMMAD IQBAL SHORFANA_LEMBAR PENGESAHAN.pdf
UNIKOM_MUHAMMAD IQBAL SHORFANA_BAB 5.pdf
UNIKOM_MUHAMMAD IQBAL SHORFANA_DAFTAR PUSTAKA.pdf
UNIKOM_MUHAMMAD IQBAL SHORFANA_KONTAK PENULIS DAN KONTRIBUTOR PENELITIAN.pdf
UNIKOM_MUHAMMAD IQBAL SHORFANA_SURAT KETERANGAN PUBLIKASI.pdf
UNIKOM_MUHAMMAD IQBAL SHORFANA_SURAT KETERANGAN ORISINALITAS.pdf
UNIKOM_MUHAMMAD IQBAL SHORFANA_KATA PENGANTAR.pdf
UNIKOM_MUHAMMAD IQBAL SHORFANA_DAFTAR ISI.pdf
UNIKOM_MUHAMMAD IQBAL SHORFANA_BAB 1.pdf
UNIKOM_MUHAMMAD IQBAL SHORFANA_BAB 2.pdf
UNIKOM_MUHAMMAD IQBAL SHORFANA_BAB 3.pdf
UNIKOM_MUHAMMAD IQBAL SHORFANA_BAB 4.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
