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

Darmawan, Herry (2021) Optical Character Recognition (Ocr) Menggunakan Learning Vector Quantization (Lvq) Pada Citra Sertifikat. Other thesis, Universitas Komputer Indonesia.

Preview	Text UNIKOM_HERRY DARMAWAN_COVER.pdf - Published Version Download (34kB) | Preview
Preview	Text UNIKOM_HERRY DARMAWAN_LEMBAR PENGESAHAN.pdf - Published Version Download (357kB) | Preview
Preview	Text UNIKOM_HERRY DARMAWAN_SURAT KETERANGAN PUBLIKASI.pdf - Published Version Download (142kB) | Preview
Preview	Text UNIKOM_HERRY DARMAWAN_SURAT KETERANGAN ORISINALITAS.pdf - Published Version Download (145kB) | Preview
Preview	Text UNIKOM_HERRY DARMAWAN_KATA PENGANTAR.pdf - Published Version Download (90kB) | Preview
Preview	Text UNIKOM_HERRY DARMAWAN_DAFTAR ISI.pdf - Published Version Download (23kB) | Preview
Preview	Text UNIKOM_HERRY DARMAWAN_BAB 1.pdf - Published Version Download (46kB) | Preview
Preview	Text UNIKOM_HERRY DARMAWAN_BAB 2.pdf - Published Version Download (253kB) | Preview
	Text UNIKOM_HERRY DARMAWAN_BAB 3.pdf - Published Version Restricted to Repository staff only Download (2MB) | Request a copy
	Text UNIKOM_HERRY DARMAWAN_BAB 4.pdf - Published Version Restricted to Repository staff only Download (291kB) | Request a copy
Preview	Text UNIKOM_HERRY DARMAWAN_BAB 5.pdf - Published Version Download (11kB) | Preview
Preview	Text UNIKOM_HERRY DARMAWAN_DAFTAR PUSTAKA.pdf - Published Version Download (82kB) | Preview
Preview	Text UNIKOM_HERRY DARMAWAN_KONTAK PENULIS DAN KONTRIBUTOR PENELITIAN.pdf - Published Version Download (11kB) | Preview

Abstract

Optical Character Recognition (OCR) berfungsi untuk mengubah citra karakter menjadi bentuk teks digital. OCR dapat diterapkan ke dalam bentuk dokumen seperti sertifikat. Sertifikat merupakan surat keterangan secara tertulis dari pihak yang berwenang dan dapat digunakan sebagai bukti suatu kejadian. Penelitian ini akan membahas tentang OCR pada Sertifikat dengan menggunakan metode Learning Vector Quantization (LVQ) karena pada penelitian sebelumnya yang membahas mengenai OCR mendapatkan hasil akurasi yang besar namun akurasi tersebut akan menurun ketika orang-orang tidak menggunakan huruf yang sama pada saat pengujian. 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 Extremal Region (MSER), Profile projection, scaling, dan ekstraksi ciri Moment Invariant. Pada penelitian ini menggunakan 10 font data latih dengan 12.400 dataset yang terdiri dari 62 kelas berisi huruf 0-9, A-Z, dan a-z. Data uji yang digunakan berjumlah 4 buah scan citra sertifikat. Berdasarkan hasil pengujian didapatkan persentase akurasi tertinggi sebesar 29.38%. Hasil akurasi ini dipengaruhi oleh nilai learning rate, minalfa pada proses pelatihan, hasil preprocessing, proses ekstraksi ciri, dan kualitas citra sertifikat.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	OCR, LVQ, MSER, Moment Invariant, Citra
Subjects:	000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 004_Data Processing & Computer Science Q Science > QA Mathematics > QA76 Computer software
Divisions:	S1_SKRIPSI > FTIK_Teknik Informatika (01)
Depositing User:	Mrs. Calis Maryani
Date Deposited:	07 Jan 2022 02:33
Last Modified:	07 Jan 2022 02:33
URI:	http://elibrary.unikom.ac.id/id/eprint/4808

Actions (login required)

View Item