Optical Character Recognition (Ocr) Menggunakan Support Vector Machine (Svm)Dan Zoning Pada Sertifikat

Optical Character Recognition (OCR) merupakan proses konversi gambar menjadi karakter ASCII yang dikenali oleh komputer. Gambar huruf yang dimaksud dapat berupa hasil scan dokumen, hasil print-screen halaman web, hasil foto, dan lain lain. Pada penelitian ini yang menjadi objek penelitian adalah hasil scan sertifikat, dimana pada sebuah sertifikat huruf yang ada merupakan huruf berjenis cursive serta jenis huruf pada setiap sertifikat itu berbeda-beda. Pada penelitian ini metode ekstraksi fitur dan klasifikasi yang digunakan adalah Zoning dan Support Vector Machine. Sebelum melakukan proses klasifikasi, citra tersebut dilakukan preprocessing yang terdiri dari Grayscale, Threshold, Thinning, Segmentasi, serta Scaling. Karakter yang dapat dikenali ada 62 karakter yang terdiri dari A-Z, a-z, dan 0-9. Sampel yang digunakan untuk data training untuk setiap kelasnya adalah 100 data serta ditambah beberapa sampel dari data uji. Kemudian sampel yang digunakan untuk data uji yaitu 5 sertifikat. Berdasarkan hasil pengujian yang dilakukan menggunakan 12 kombinasi dengan parameter nilai threshold dan banyak zona, maka didapatkan akurasi terbaik sebesar 83,27952% dengan kombinasi nilai threshold = 128 dan zona = 25. Hasil tersebut dipengaruhi oleh preprocessing serta data uji yang digunakan. Karena background pada sebuah sertifikat itu berupa gambar yang mengakibatkan gambar tersebut terdeteksi sebagai objek/huruf pada proses segmentasi.