Optical Character Recognition (Ocr) Pada Dokumen Karya Tulis Ilmiah Menggunakan Metode Long Short-Term Memory (Lstm)

Madhani, Rifki Dwi (2021) Optical Character Recognition (Ocr) Pada Dokumen Karya Tulis Ilmiah Menggunakan Metode Long Short-Term Memory (Lstm). Other thesis, Universitas Komputer Indonesia.

Preview	Text UNIKOM_Rifki Dwi Madhani_cover.pdf - Published Version Download (33kB) | Preview
Preview	Text UNIKOM_Rifki Dwi Madhani_lembar pengesahan.pdf - Published Version Download (5MB) | Preview
Preview	Text UNIKOM_Rifki Dwi Madhani_surat keterangan publikasi.pdf - Published Version Download (3MB) | Preview
Preview	Text UNIKOM_Rifki Dwi Madhani_surat pernyataan orisinalitas.pdf - Published Version Download (3MB) | Preview
Preview	Text UNIKOM_Rifki Dwi Madhani_kata pengantar.pdf - Published Version Download (230kB) | Preview
Preview	Text UNIKOM_Rifki Dwi Madhani_daftar isi.pdf - Published Version Download (214kB) | Preview
Preview	Text UNIKOM_Rifki Dwi Madhani_bab 1.pdf - Published Version Download (205kB) | Preview
Preview	Text UNIKOM_Rifki Dwi Madhani_bab 2.pdf - Published Version Download (622kB) | Preview
	Text UNIKOM_Rifki Dwi Madhani_bab 3.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text UNIKOM_Rifki Dwi Madhani_bab 4.pdf - Published Version Restricted to Repository staff only Download (375kB) | Request a copy
Preview	Text UNIKOM_Rifki Dwi Madhani_bab 5.pdf - Published Version Download (10kB) | Preview
Preview	Text UNIKOM_Rifki Dwi Madhani_daftar pustaka.pdf - Published Version Download (236kB) | Preview
Preview	Text UNIKOM_Rifki Dwi Madhani_kontak penulis dan kontributor.pdf - Published Version Download (388kB) | Preview

Abstract

Optical Character Recognition (OCR) merupakan teknologi yang memungkinkan mesin untuk mengenali tulisan pada sebuah citra digital. Ada banyak metode yang dapat digunakan pada sistem OCR, salah satu metode tersebut adalah metode Long Short-Term Memory (LSTM). Penelitian ini berfokus pada implementasi metode LSTM pada sistem OCR, lalu mengukur tingkat akurasi pengenalan karakter pada citra hasil scan halaman abstrak dokumen karya tulis ilmiah. Sistem yang dibangun dibagi menjadi dua tahapan utama, yaitu tahap pelatihan LSTM dan pengujian LSTM. Sebelum kedua tahap tersebut dilakukan, citra melalui tahap preprocessing terlebih dahulu, yaitu grayscaling, thresholding, segmentasi (baris, kata, dan karakter), resize, binerisasi, serta ekstraksi fitur zoning. Data latih yang digunakan berupa karakter dalam bentuk citra digital 24x24 pixel, yang berjumlah 1370 data dengan 71 jenis karakter. Dari hasil pengujian terhadap 30 data uji hasil scan halaman abstrak, diperoleh akurasi terbaik sebesar 88.24% dengan rata-rata akurasi sebesar 80.87%. Kurang maksimalnya hasil akurasi yang didapatkan dipengaruhi oleh proses segmentasi yang digunakan kurang mampu menyelesaikan permasalahan pemisahan karakter yang berdempet, dan banyaknya noise yang terdeteksi.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	OCR, LSTM, pengenalan karakter, pengolahan 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:	18 Jan 2022 04:34
Last Modified:	18 Jan 2022 04:34
URI:	http://elibrary.unikom.ac.id/id/eprint/4954

Actions (login required)

View Item