Implementasi OCR dengan Metode Autoencoder pada Aplikasi Bukutamu berbasis WEB
DOI:
https://doi.org/10.35143/jkt.v8i2.5420Kata Kunci:
bukutamu, autoencoder, optical character recognitionAbstrak
Bukutamu adalah alat untuk mencatat identitas pengunjung yang datang kesuatu tempat atau acara seperti acara pernikahan, perayaan ulang tahun, pesta dll. Tidak hanya sekedar mencatat, bukutamu juga berfungsi sebagai bukti dan jejak untuk menghindari terjadinya sesuatu yang tidak diinginkan. Sehingga tidak heran dibeberapat tempat diharuskan untuk menyerahkan kartu identitas seperti KTP saat mengisi bukutamu agar diperbolehkan masuk ketempat tersebut. KTP sendiri merupakan kartu identitas yang berisi data nama, tempat, tanggal lahir dll. Data yang tercantum dalam KTP tersebut dapat dimanfaatkan dalam proses pengisian bukutamu sehingga petugas hanya perlu mengambil gambar KTP tersebut dan data pengunjung akan terisi secara otomatis dengan bantuan optical character recognition(OCR). Untuk mendapatkan hasil OCR yang baik diperlukan gambar dengan tulisan yang jelas, posisinya yang tidak miring dan ukurannya yang tidak terlalu kecil. Oleh karna itu diperlukan berbagai tahap preprocessing sebelum melakukan proses OCR, salah satunya dengan menerapkan denoise menggunakan metode Autoencoder yang berhasil membuat gambar lebih bersih dan hasil OCR menjadi lebih akurat.Unduhan
Referensi
R. Andarsyah and M. H. K Saputra, “Perancangan Aplikasi Digital Untuk Mencatat Data Tamu Menggunakan Arduino Uno Dan Near Field Communication (Nfc) (Studi Kasus Humas & Rekrutmen Politeknik Pos Indonesia),†Competitive, vol. 15, no. 1, 2020, doi: 10.36618/competitive.v15i1.685.
F. M. Rusli, K. A. Adhiguna, and H. Irawan, “Indonesian ID Card Extractor Using Optical Character Recognition and Natural Language Post-Processing,†2021. doi: 10.1109/ICoICT52021.2021.9527510.
A. Patil, “Optical Character Recognition Implementation using Pattern Matching,†Int. J. Res. Appl. Sci. Eng. Technol., vol. 7, no. 8, 2019, doi: 10.22214/ijraset.2019.8155.
Arikunto et al., “Metode Penelitian Kuantitatif, Kualitatif, dan R&D,†J. Sci. Teacher Educ., vol. 3, no. 2, 2017.
M. Mehdizadeh, C. MacNish, D. Xiao, D. Alonso-Caneiro, J. Kugelman, and M. Bennamoun, “Deep feature loss to denoise OCT images using deep neural networks,†J. Biomed. Opt., vol. 26, no. 04, Apr. 2021, doi: 10.1117/1.jbo.26.4.046003.
G. Eraslan, L. M. Simon, M. Mircea, N. S. Mueller, and F. J. Theis, “Single-cell RNA-seq denoising using a deep count autoencoder,†Nat. Commun., vol. 10, no. 1, 2019, doi: 10.1038/s41467-018-07931-2.
F. Zamora-Martinez, S. España-Boquera, and M. J. Castro-Bleda, “Behaviour-based Clustering of Neural Networks applied to Document Enhancement, in: Computational and Ambient Intelligence, pages 144-151, Springer, 2007.†https://archive.ics.uci.edu/ml/datasets/NoisyOffice (accessed Jul. 06, 2022).
R. C. Gerum et al., “CameraTransform: A Python package for perspective corrections and image mapping,†SoftwareX, vol. 10, 2019, doi: 10.1016/j.softx.2019.100333.
A. Buades, B. Coll, and J. M. Morel, “A non-local algorithm for image denoising,†in Proceedings - 2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, CVPR 2005, 2005, vol. II. doi: 10.1109/CVPR.2005.38.
B. P. Pratama and S. A. Pamungkas, “Analisis Kinerja Algoritma Levenshtein Distance dalam Mendeteksi Kemiripan Dokumen Teks,†J. “LOG!K@,†vol. 6, no. 2, 2016.
“KEMENDAGRI R.I.†https://www.kemendagri.go.id/arsip/detail/10857/keputusan-menteri-dalam-negeri-nomor-050145-tahun-2022-tentang-pemberian-kode-data-wilayah-administrasi-pemerintahan-dan-pulau-tahun-2021 (accessed Jul. 06, 2022).
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2022 Jurnal Komputer Terapan
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Penulis yang mempublikasikan naskah pada jurnal ini setuju tentang hal-hal berikut ini:
- Penulis memegang hak cipta untuk proses, prosedur, atau artikel yang dideskripsikan pada naskah dan memberikan hak kepada jurnal untuk pertama kali mempublikasikan naskah dibawah Creative Commons Attribution License yang memperbolehkan orang lain untuk menyebarkan hasil penelitian dengan pengakuan hak cipta penulis dan jurnal.
- Penulis memegang hak untuk mempublikasikan kembali semua atau sebagian hasil penelitian pada naskah lain tetapi tidak memberikan hak kepada pihak ketiga lain untuk mencetak dan mempublikasikan ulang hasil penelitian yang sama.
- Penulis diperbolehkan dan disarankan untuk menginformasikan naskah yang telah terbit secara online (seperti pada repository institusi atau website milik penulis) yang akan meningkatkan produktivitas rujukan dan sitasi dari naskah yang telah terbit.
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial-BerbagiSerupa 4.0 Internasional.
