ANALISIS KINERJA OPTICAL CHARACTER RECOGNITION UNTUK MEMBACA DOKUMEN OTOMATIS

Authors

  • Susan Siti Nurhaliza Teknik Informatika,Fakultas Teknik, Universitas Cendekia Abditama
  • M. Subali STMIK Jakarta STI&K
  • Lussiana ETP STMIK Jakarta STI&K
  • Rozi STMIK Jakarta STI&K

Keywords:

sistem

Abstract

Optical character recognition ( OCR) merupakan teknologi untuk mengenali karakter pada suatu citra, termasuk text atau dokumen. Salah satu menfaat implementasi metode OCR adalah untuk pengenalan dokumen pada bagian customs clearance. Berdasarkan fakta penggunaan huruf suatu dokumen sangat beragam, tidak hanya jenis huruf Calibri. Berdasarkan hal tersebut tujuan penelitian ini adalah melakukan pengkajian kinerja OCR dalam mengenali karakter dokumen dengan menggunakan jenis huruf Arial, Bahnschrift Condensed, Georgia, Lucida Sans Unicode, Roman, Segoe UI Semibold, dan Times New Roman. Adapun tahapan-tahapan penelitian antara lain adalah preprocessing yang terdiri dari proses grayscaling, binerisasi, cropping selanjutnya adalah tahap segmentasi, ekstraksi fitur dan untuk proses terakhir adalah proses metode pencocokkan karakter berdasarkan pada template matching. Berdasarkan hasil pengujian metode OCR mampu mengenali dengan akurasi 100% untuk karakter jenis huruf Georgia, Lucida Sans Unicode, Roman dan Segoe UI Semibold sedangkan akurasi terendah 71.21% pada karakter jenis huruf Bahnschrift Condensed. Dengan demikian dapat disimpulkan bahwa metode OCR secara umum mampu mengenali karakter, namun demikian masih terbuka untuk melakukan pengembangan penelitian untuk meningkatkan akurasi jenis huruf lain. Ditinjau dari waktu proses metode OCR relatif singkat, yaitu rata-rata 1.33 detik.

Downloads

Download data is not yet available.

Downloads

Published

2023-04-04

How to Cite

Susan Siti Nurhaliza, M. Subali, Lussiana ETP, & Rozi. (2023). ANALISIS KINERJA OPTICAL CHARACTER RECOGNITION UNTUK MEMBACA DOKUMEN OTOMATIS. Prosiding Seminar SeNTIK, 6(1), 135–140. Retrieved from https://ejournal.jak-stik.ac.id/index.php/sentik/article/view/3085
Abstract View: 57 times

Most read articles by the same author(s)

Similar Articles

<< < 1 2 3 4 5 6 > >> 

You may also start an advanced similarity search for this article.