Implementasi Optical Character Recognition (Ocr) Untuk Pengenalan Teks Pada Judul Novel Menggunakan Algoritma Support Vector Machine
Total View This Week0
Total View This Week0
Institusion
Universitas Komputer Indonesia
Author
Prambudi, Dimass
Subject
004_Data Processing & Computer Science
Datestamp
2019-10-07 04:01:07
Abstract :
OCR atau optical character recognition merupakan teknologi yang digunakan untuk pengenalan karakter atau objek pada citra. Teknologi tersebut sudah banyak dimanfaatkan untuk berbagai hal, salah satunya adalah untuk pengenalan huruf pada novel. Namun untuk kasus pengenalan pada novel masih banyak aplikasi OCR yang belum dapat mengenali khususnya pada bagian judul novel yang berjenis cursive dengan benar. Berdasarkan hal tersebut perlu dibangun suatu sistem atau aplikasi yang dapat mengenali karakter huruf berjenis cursive tersebut. Solusi yang ditawarkan adalah dengan menerapkan AI atau kecerdasan buatan. Metode SVM atau support vector machine merupakan metode yang cocok digunakan karena memiliki tingkat akurasi yang baik untuk pengenalan atau pengklasifikasian huruf. Sebelum masuk ke tahap klasifikasi dibutuhkan tahapan preprocessing meliputi grayscalling, thresholding, dan thinning. Nilai fitur yang didapat dari citra sebagai masukan ke dalam tahapan klasifikasi dan pengujian diperoleh melalui proses yang menggunakan algoritma diagonal feature’s extraction. Penelitian ini menggunakan data latih sebanyak 30 jenis huruf berbeda A-Z baik kecil maupun besar dan 50 judul novel yang akan dikenali sebagai data uji. Setelah dilakukan pengujian didapat nilai performansi terbaik sebesar 55,62% terhadap nilai threshold 192. Ditemukan juga fakta bahwa kualitas citra uji yang berbeda sangat berpengaruh pada hasil akhir, karena beberapa citra pada nilai threshold tertentu objek didalamnya tidak dapat dikenali sama sekali.
OCR atau optical character recognition merupakan teknologi yang digunakan untuk pengenalan karakter atau objek pada citra. Teknologi tersebut sudah banyak dimanfaatkan untuk berbagai hal, salah satunya adalah untuk pengenalan huruf pada novel. Namun untuk kasus pengenalan pada novel masih banyak aplikasi OCR yang belum dapat mengenali khususnya pada bagian judul novel yang berjenis cursive dengan benar. Berdasarkan hal tersebut perlu dibangun suatu sistem atau aplikasi yang dapat mengenali karakter huruf berjenis cursive tersebut. Solusi yang ditawarkan adalah dengan menerapkan AI atau kecerdasan buatan. Metode SVM atau support vector machine merupakan metode yang cocok digunakan karena memiliki tingkat akurasi yang baik untuk pengenalan atau pengklasifikasian huruf. Sebelum masuk ke tahap klasifikasi dibutuhkan tahapan preprocessing meliputi grayscalling, thresholding, dan thinning. Nilai fitur yang didapat dari citra sebagai masukan ke dalam tahapan klasifikasi dan pengujian diperoleh melalui proses yang menggunakan algoritma diagonal feature’s extraction. Penelitian ini menggunakan data latih sebanyak 30 jenis huruf berbeda A-Z baik kecil maupun besar dan 50 judul novel yang akan dikenali sebagai data uji. Setelah dilakukan pengujian didapat nilai performansi terbaik sebesar 55,62% terhadap nilai threshold 192. Ditemukan juga fakta bahwa kualitas citra uji yang berbeda sangat berpengaruh pada hasil akhir, karena beberapa citra pada nilai threshold tertentu objek didalamnya tidak dapat dikenali sama sekali.
File :
1.10114231_DIMASS PRAMBUDI_COVER.pdf
19.10114231_DIMASS PRAMBUDI_LEMBAR PENGESAHAN.pdf
15.10114231_DIMASS PRAMBUDI_BAB 5.pdf
10.10114231_DIMASS PRAMBUDI_DAFTAR PUSTAKA.pdf
21.10114231_DIMASS PRAMBUDI_JURNAL DALAM BAHASA INDONESIA.pdf
22.10114231_DIMASS PRAMBUDI_JURNAL DALAM BAHASA INGGRIS.pdf
17.10114231_DIMASS PRAMBUDI_SURAT KETERANGAN PUBLIKASI.pdf
20.10114231_DIMASS PRAMBUDI_SURAT KETERANGAN ORISINALITAS.pdf
4.10114231_DIMASS PRAMBUDI_KATA PENGANTAR.pdf
5.10114231_DIMASS PRAMBUDI_DAFTAR ISI.pdf
11.10114231_DIMASS PRAMBUDI_BAB 1.pdf
12.10114231_DIMASS PRAMBUDI_BAB 2.pdf
13.10114231_DIMASS PRAMBUDI_BAB 3.pdf
14.10114231_DIMASS PRAMBUDI_BAB 4.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
