Optical Character Recognition (Ocr) Menggunakan Support Vector Machine (Svm)Dan Zoning Pada Sertifikat
Total View This Week0
Total View This Week0
Institusion
Universitas Komputer Indonesia
Author
Andria, Reza Yogi
Subject
004_Data Processing & Computer Science
Datestamp
2019-10-03 04:45:40
Abstract :
Optical Character Recognition (OCR) merupakan proses konversi gambar menjadi karakter ASCII yang dikenali oleh komputer. Gambar huruf yang dimaksud dapat berupa hasil scan dokumen, hasil print-screen halaman web, hasil foto, dan lain lain. Pada penelitian ini yang menjadi objek penelitian adalah hasil scan sertifikat, dimana pada sebuah sertifikat huruf yang ada merupakan huruf berjenis cursive serta jenis huruf pada setiap sertifikat itu berbeda-beda. Pada penelitian ini metode ekstraksi fitur dan klasifikasi yang digunakan adalah Zoning dan Support Vector Machine. Sebelum melakukan proses klasifikasi, citra tersebut dilakukan preprocessing yang terdiri dari Grayscale, Threshold, Thinning, Segmentasi, serta Scaling. Karakter yang dapat dikenali ada 62 karakter yang terdiri dari A-Z, a-z, dan 0-9. Sampel yang digunakan untuk data training untuk setiap kelasnya adalah 100 data serta ditambah beberapa sampel dari data uji. Kemudian sampel yang digunakan untuk data uji yaitu 5 sertifikat. Berdasarkan hasil pengujian yang dilakukan menggunakan 12 kombinasi dengan parameter nilai threshold dan banyak zona, maka didapatkan akurasi terbaik sebesar 83,27952% dengan kombinasi nilai threshold = 128 dan zona = 25. Hasil tersebut dipengaruhi oleh preprocessing serta data uji yang digunakan. Karena background pada sebuah sertifikat itu berupa gambar yang mengakibatkan gambar tersebut terdeteksi sebagai objek/huruf pada proses segmentasi.
Optical Character Recognition (OCR) merupakan proses konversi gambar menjadi karakter ASCII yang dikenali oleh komputer. Gambar huruf yang dimaksud dapat berupa hasil scan dokumen, hasil print-screen halaman web, hasil foto, dan lain lain. Pada penelitian ini yang menjadi objek penelitian adalah hasil scan sertifikat, dimana pada sebuah sertifikat huruf yang ada merupakan huruf berjenis cursive serta jenis huruf pada setiap sertifikat itu berbeda-beda. Pada penelitian ini metode ekstraksi fitur dan klasifikasi yang digunakan adalah Zoning dan Support Vector Machine. Sebelum melakukan proses klasifikasi, citra tersebut dilakukan preprocessing yang terdiri dari Grayscale, Threshold, Thinning, Segmentasi, serta Scaling. Karakter yang dapat dikenali ada 62 karakter yang terdiri dari A-Z, a-z, dan 0-9. Sampel yang digunakan untuk data training untuk setiap kelasnya adalah 100 data serta ditambah beberapa sampel dari data uji. Kemudian sampel yang digunakan untuk data uji yaitu 5 sertifikat. Berdasarkan hasil pengujian yang dilakukan menggunakan 12 kombinasi dengan parameter nilai threshold dan banyak zona, maka didapatkan akurasi terbaik sebesar 83,27952% dengan kombinasi nilai threshold = 128 dan zona = 25. Hasil tersebut dipengaruhi oleh preprocessing serta data uji yang digunakan. Karena background pada sebuah sertifikat itu berupa gambar yang mengakibatkan gambar tersebut terdeteksi sebagai objek/huruf pada proses segmentasi.
File :
1. 10114425_REZA YOGI ANDRIA_COVER.pdf
19. 10114425_REZA YOGI ANDRIA_LEMBAR PENGESAHAN.pdf
15. 10114425_REZA YOGI ANDRIA_BAB 5.pdf
10. 10114425_REZA YOGI ANDRIA_DAFTAR PUSTAKA.pdf
21. 10114425_REZA YOGI ANDRIA_JURNAL BAHASA INDONESIA.pdf
22. 10114425_REZA YOGI ANDRIA_JURNAL BAHASA INGGRIS.pdf
17. 10114425_REZA YOGI ANDRIA_SURAT KETERANGAN PUBLIKASI.pdf
20. 10114425_REZA YOGI ANDRIA_SURAT KETERANGAN ORISINALITAS.pdf
4. 10114425_REZA YOGI ANDRIA_KATA PENGANTAR.pdf
5. 10114425_REZA YOGI ANDRIA_DAFTAR ISI.pdf
11. 10114425_REZA YOGI ANDRIA_BAB 1.pdf
12. 10114425_REZA YOGI ANDRIA_BAB 2.pdf
13. 10114425_REZA YOGI ANDRIA_BAB 3.pdf
14. 10114425_REZA YOGI ANDRIA_BAB 4.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
