Putri, Dhita Batistiani (2020) OPTICAL CHARACTER RECOGNITION (OCR) UNTUK DETEKSI KARTU IDENTITAS MENGGUNAKAN MOBILE VISION BERBASIS ANDROID. Other thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.
Preview |
Text
Cover.pdf Download (140kB) | Preview |
Preview |
Text
Abstrak.pdf Download (3MB) | Preview |
Preview |
Text
Daftar Isi.pdf Download (3MB) | Preview |
Preview |
Text
Pengesahan.pdf Download (1MB) | Preview |
Preview |
Text
Daftar Pustakaa.pdf Download (151kB) | Preview |
Abstract
Kartu identitas adalah dokumen legal yang digunakan sebagai identifikasi individu
yang datanya dapat dikonfirmasi serta diverifikasi. Kartu identitas dapat dimanfaatkan untuk
berbagai hal, salah satu nya adalah proses administrasi pengisian buku tamu atau kunjungan
pada suatu instansi. Teknologi OCR (optical character recognition) Mobile Vision API dapat
diterapkan dalam pengisian buku tamu. OCR adalah proses ekstraksi informasi dari citra
yang akan menghasilkan data digital. Namun hasil akurasi Mobile Vision API akan
berkurang apabila terdapat objek gangguan pada citra yang akan diproses.
Solusi untuk masalah ini adalah ditambahkannya image preprocessing sebelum proses
pengenalan Mobile Vision API untuk meningkakan kualitas citra. Image preprocessing yang
dilakukan antara lain, grayscaling, smoothing dengan fungsi gaussian blur ukuran kernel
3x3, dan closing dengan structuring elements (SE) berbentuk cross dan berukuran 5x5. Hasil
data pengenalan OCR akan dilakukan klasifikasi data menggunakan algoritma string
matching Jaro Winkler Distance. Adapun data yang diambil adalah data nomor identitas,
nama, dan alamat.
Hasil yang didapat pada penelitian ini yaitu akurasi Mobile Vision API dapat
ditingkatkan dengan penerapan image preprocessing. Nilai akurasi didapatkan untuk KTP
sebesar 95,8107%, untuk SIM sebesar 84,1258%, dan untuk Kartu Pelajar/Mahasiswa
sebesar 98,3893%.. Selain itu algoritma Jaro-Winkler Distance dapat digunakan untuk
proses klasifikasi data tamu. Akurasi klasifikasi data nomor identitas didapatkan sebesar
95,964% untuk KTP, 85,764% untuk SIM, dan 99,491% untuk Kartu Pelajar/Mahasiswa.
Pada klasifikasi data nama didapatkan sebesar 96,421% untuk KTP, 97,523% untuk SIM,
dan 99,143% untuk Kartu Pelajar/Mahasiswa. Sedangkan pada klasifikasi data alamat
didapatkan sebesar 95,62% untuk KTP, 69,09% untuk SIM, dan 96,352% untuk Kartu
Pelajar/Mahasiswa.
Item Type: | Thesis (Other) |
---|---|
Subjek: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science |
Divisions: | x. Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science |
Depositing User: | Nurul Alifah Rahmawati |
Date Deposited: | 27 Aug 2020 03:37 |
Last Modified: | 27 Aug 2020 03:37 |
URI: | http://eprints.upnyk.ac.id/id/eprint/23544 |
Actions (login required)
![]() |
View Item |