Optical Character Recognition (Ocr) Menggunakan Learning Vector Quantization 3 (Lvq 3) Pada Citra Sertifikat

Pada penelitian terhadap Optical Character Recognition (OCR) menggunakan algoritma Template Matching pada kasus citra digital berisi teks, didapatkan akurasi pengujian rata-rata tingkat keberhasilan mencapai 92,90%, akan tetapi akurasi akan turun apabila terdapat karakter yang tidak terdaftar pada Template Matching. Sedangkan sertifikat, jenis huruf yang dimiliki cenderung tidak sama dengan jenis huruf dokumen biasanya. 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 Extrema Region (MSER), segmentasi Profile projection, Resize, dan untuk ekstraksi ciri menggunakan Regionprops, sedangkan metode klasifikasi yang akan digunakan adalah Learning Vector Quantization 3 (LVQ3). Hasil pengujian yang dilakukan terhadap 4 citra sertifikat melalui 4 kali pengujian parameter LVQ3, akurasi terbaik pengenalan karakter sertifikat didapatkan pada pengujian ke 4 dengan parameter epoh 500, learning rate 0.01, dan nilai window 0.2 sebesar 23%. Hasil akurasi tersebut lebih dipengaruhi oleh ekstraksi ciri dan dataset font yang tidak cocok dengan karakter citra sertifikat.