STUDI LITERATUR PENERAPAN OCR PADA PENGENALAN TEKS

22064136, TRY HARDIYANTI (2015) STUDI LITERATUR PENERAPAN OCR PADA PENGENALAN TEKS. Bachelor thesis, Universitas Kristen Duta Wacana.

[img] Text (Skripsi Informatika)
22064136_bab1_bab5_daftarpustaka.pdf

Download (3MB)
[img] Text (Skripsi Informatika)
22064136_bab2-sd-bab4_lampiran.pdf
Restricted to Registered users only

Download (3MB) | Request a copy

Abstract

Pengenalan teks merupakan salah satu teknologi pada komputer untuk mengolah dan mengenali citra, berupa teks dengan tulisan tangan maupun dengan sebuah font. Aplikasi komputer selama ini mengalami perbedaan dalam mengolah hasil dari pengenalan citra yang berupa teks. Tujuan dari penelitian ini membandingkan dari tiga metode yang sering digunakan dalam pengenalan teks. Ketiga metode tersebut Template Matching, Backpropagation dan Support Vector Machine (SVM). Metode Template Matching dilakukan dengan cara membandingkan template tertentu dengan template pada basis data. Pengenalan dengan metode ini menghasilkan citra yang berbeda dari citra aslinya karena template yang digunakan sebagai acuan berbeda dengan citra uji. Metode Backpropagation merupakan suatu algoritma pelatihan terbimbing yang menggunakan error output untuk mengubah nilai bobot-bobotnya dalam arah mundur. Metode ini memiliki kekurangan karena tidak dapat mengenali huruf. Metode SVM digunakan dalam klasifikasi. SVM melakukan penggolongan biner dengan fungsi diskriminan sehingga menjadi fungsi kernel atas semua sampel pelatihan. Pengenalan dengan metode ini menghasilkan citra yang dapat dikenali, baik berupa huruf maupun angka. Penelitian ini telah menguji ketiga metode tersebut dan menyimpulkan metode SVM lebih baik dibandingkan dengan Template Matching maupun Backpropagation. Disarankan dalam pengenalan teks menggunakan metode SVM, sehingga dapat menghasilkan citra berupa teks dengan jelas dan baik. Hasil persentase yang didapatkan dari pengenalan ini 46 % untuk 50 citra yang diuji. Keterbatasan dari penelitian ini adalah kualitas citra uji yang digunakan. Disarankan untuk penelitian selanjutnya dapat menggunakan kualitas citra yang lebih baik.

Item Type: Thesis (Bachelor)
Uncontrolled Keywords: Optical Character Recognition, OCR, Template Matching, Backpropagation, Support Vector Machine, SVM
Subjects: Q Science > QA Mathematics
Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Q Science > QA Mathematics > QA76 Computer software
Divisions: Fakultas Teknologi Informasi > Prodi Informatika
Depositing User: Mr Brayen Samuel Paendong
Date Deposited: 03 Jun 2020 02:43
Last Modified: 03 Jun 2020 02:43
URI: http://katalog.ukdw.ac.id/id/eprint/2340

Actions (login required)

View Item View Item