Perbandingan Algoritma Template Matching Dan Feature Extraction Pada Optical Character Recognition

Algoritma template matching merupakan metode yang sederhana danbr /

banyak digunakan untuk mengenali pola. Kelemahan algoritma ini adalahbr /

terbatasnya model yang akan dijadikan template sebagai pembanding pada basisbr /

data seperti bentuk, ukuran, dan orientasi. Algoritma feature extraction menjawabbr /

masalah model template seperti bentuk, ukuran, dan orientasi yang ada padabr /

algoritma template matching dengan cara memetekan ciri-ciri objek citra yangbr /

akan dikenali.br /

Optical character recognition digunakan untuk menerjemahkan karakterbr /

pada citra digital menjadi format teks. Penerapannya yang sederhana membuatbr /

algoritma template matching banyak digunakan dalam OCR[1].br /

Berdasarkan hasil pengujian, algoritma template matching memilikibr /

persentase akurasi rata-rata 29.459%, sedangkan algoritma feature extractionbr /

memiliki persentase akurasi rata-rata 63.602%. Algoritma feature extractionbr /

memiliki peluang yang besar untuk dikembangkan terutama untuk pemetaan ciriciribr /

khusus citra dibandingkan algoritma template matching yang hanyabr /

memetakan intensitas pixel dalam OCR. Kompleksitas kedua algoritma diukurbr /

dengan menghitung jumlah operasi dasar kedua algoritma. Algoritma featurebr /

extraction memiliki tingkat kompleksitas yang sama dengan algoritma templatebr /

matching yaitu 2n+1. Agloritma feature extraction membutuhkan enam prosesbr /

untuk memetakan dan mengenali fitur citra karakter, sedangkan algoritmabr /

template matching hanya membutuhkan tiga proses untuk memetakan intensitasbr /

pixel dan menghitung nilai eror minimum. Algoritma template matchingbr /

membutuhkan waktu rata-rata 180.743 detik untuk mengenali dokumen uji.br /

Sedangkan algoritma feature extraction membutuhkan waktu rata-rata 5.117br /

detik terhadap dokumen uji.br /

Berdasarkan akurasi, pengembangan, dan waktu, algoritma featurebr /

extraction lebih unggul dibandingkan algoritma template matching pada OCR.

Template matching algorithm is a simple method and most used in patternbr /

recognition. Weakness of this algorithm is limitted model that used to be templatebr /

as conqueror in database like shape, size, and orientation. Feature extractionbr /

algorithm solve model template problem like shape, size, and oritentation inbr /

template matching algorithm by map the feature of object that will be recognize.br /

Optical character recognition use to translate character in digital imagebr /

into text format. Template matching is method that most used un OCR because ofbr /

simplixity [1].br /

Based on test result, template matching algorithm have 29.459% inbr /

accuracy, while feature extraction algorithm have 63.602% in acccuracy.br /

Feature extraction algorithm has chance to develop especially in a featurebr /

mapping of digital image than template matching algorithm which only mappbr /

pixel intensity in OCR. Complexity of both algorithm is measured by count basicbr /

opetation. Feature extraction algorithm has same complexity with templatebr /

matching algorithm where complexity is 2n+1. Feature extraction algorithm needbr /

six process to mapp and recognize the feature, template matching algorithm needbr /

three process to map the pixel intensity and count minimum eror value. Templatebr /

matching algorithm need 180.743 seconds to recognize document that test to thebr /

system. Feature extraction algorithm need 5.117 seconds to rexognize testbr /

document.br /

Based on accuracy, development, and time, feature extraction algorithm is betterbr /

than template matching algorithm in OCR.