OPTICAL CHARACTER RECOGNITION UNTUK PEMASUKKAN DATA PERPUSTAKAAN MENGGUNAKAN TESSERACT OCR TERINTEGRASI CLOUD COMPUTING

Santoso, Adi (2020) OPTICAL CHARACTER RECOGNITION UNTUK PEMASUKKAN DATA PERPUSTAKAAN MENGGUNAKAN TESSERACT OCR TERINTEGRASI CLOUD COMPUTING. Other thesis, UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” YOGYAKARTA.

[img]
Preview
Text
COVER_123150005_Adi Santoso.pdf

Download (410kB) | Preview
[img]
Preview
Text
ABSTRAK_123150005_Adi Santoso.pdf

Download (185kB) | Preview
[img]
Preview
Text
DAFTAR ISI_123150005_Adi Santoso.pdf

Download (220kB) | Preview
[img]
Preview
Text
PENGESAHAN PEMBIMBING_123150005_Adi Santoso.pdf

Download (371kB) | Preview
[img]
Preview
Text
PENGESAHAN PENGUJI_123150005_Adi Santoso.pdf

Download (394kB) | Preview

Abstract

Perpustakaan Perguruan Tinggi berfungsi sebagai pusat sumber belajar dan sumber informasi yang berkedudukan di perguruan tinggi. Selain menyediakan berbagai jenis informasi, sebuah perpustakaan juga melakukan katalogisasi, yaitu proses pengolahan data-data bibliografi yang terdapat pada bahan pustaka seperti judul, nama pengarang, nama penerbit, dan tahun terbit menjadi sebuah katalog.Pengolahan data-data tersebut jika tidak diimbangi dengan pengelolaan data yang efektif dapat menyebabkan terhambatnya kebaruan data, sehingga teknologi mulai digunakan seperti sistem informasi perpustakaan berbasis aplikasi web dan mobile yang terhubung dengan sistem Cloud Computing. Sistem yang telah dikembangkan tersebut masih memiliki kekurangan pada proses pemasukkan data, yaitu membutuhkan waktu yang relatif lama karena harus melakukan input sejumlah data ke dalam sistem dengan cara diketik secara langsung. Salah satu solusi untuk masalah ini adalah dengan menerapkan Optical Character Recognition (OCR) dalam proses pemasukan data menggunakan Tesseract OCR. Tesseract OCR adalah sebuah OCR berbasis layanan yang dapat diakses secara gratis. Hasil akurasi Tesseract akan berkurang apabila terdapat objek gangguan pada citra yang akan diproses, sehingga perlu dilakukan image preprocessing untuk meningkatkan kualitas citra. Tahapan image preprocessing yang dilakukan yaitu seleksi area pendeteksian, grayscalling, binarisasi dan kompress ukuran citra. Data yang dihasilkan setelah proses OCR selesai dilakukan adalah sebuah string biasa atau dapat berupa html-based string sehingga data tersebut masih harus diproses lagi agar dapat digunakan semestinya. Salah satu pemrosesan yang dapat dilakukan adalah melakukan pengelompokkan data sesuai kebutuhan berdasarkan atribut-atribut yang dibutuhkan. Pengelompokkan data string dapat dilakukan dengan menggunakan algoritma string matching yang yaitu Jaro-Winkler Distance. Berdasarkan hasil pengujian yang telah dilakukan pada 10 dokumen skripsi dan 10 dokumen buku, akurasi Tesseract OCR dapat ditingkatkan dengan menerapkan image preprocessing pada citra yang akan diproses. Nilai peningkatkan akurasi yang dihasilkan adalah 35.080% untuk pengenalan halaman pengesahan, 2,540% untuk pengenalan halaman abstrak dan 19.492% untuk pengenalan halaman penerbit. Pada pengujian klasifikasi data, Algoritma Jaro-Winkler Distance dapat digunakan untuk proses klasifikasi data dengan nilai rata-rata akurasi yang dihasilkan pada klasifikasi data skripsi adalah sebesar 97.871% dan klasifikasi data buku adalah sebesar 71.387%.

Item Type: Thesis (Other)
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User: Nurul Alifah Rahmawati
Date Deposited: 30 Jan 2020 06:23
Last Modified: 30 Jan 2020 06:23
URI: http://eprints.upnyk.ac.id/id/eprint/22359

Actions (login required)

View Item View Item