Optical Character Recognition Pada Ekstraksi Informasi Citra Kartu Tanda Penduduk Elektronik Menggunakan Convolutional Neural Network

Optical Character Recognition (OCR) adalah metode pengenalan huruf dan angka pada citra atau gambar menjadi tulisan. Kartu Tanda Penduduk ( KTP ) merupakan salah satu tanda bahwa orang tersebut diakui secara legal sebagai penduduk di suatu wilayah administrasi di Indonesia. Penelitian ini akan membahas tentang OCR pada KTP dengan menggunakan metode Convolutional Neural Network (CNN) dan melakukan ekstraksi informasi menggunakan metode rule based karena pada penelitian sebelumnya yang membahas mengenai OCR pada KTP telah mendapatkan hasil akurasi yang cukup bagus namun masih banyak huruf dan angka yang belum dikenali. Tujuan dari penelitian ini adalah mengetahui tingkat akurasi dari CNN dalam melakukan OCR dan ekstraksi informasi menggunakan metode rule based pada KTP. Pada penelitian ini terdapat beberapa tahapan yaitu preprocessing yang meliputi proses resize, grayscale, thresholding, segmentasi, dan resize. Citra KTP yang digunakan adalah sebanyak 72 citra yang terbagi menjadi 61 citra latih dan 11 citra uji. Berdasarkan hasil pengujian didapatkan persentasi akurasi OCR tertinggi sebesar 66,41% dan akurasi ekstraksi informasi sebesar 83,46%. Hasil akurasi ini dipengaruhi oleh nilai learning rate dan jumlah epoch pada proses pelatihan, hasil preprocessing dan kualitas citra KTP pada pengujian.