Implementasi Text Recognition untuk mendeteksi Digital Writing dan Handwriting dalam Alfabet Latin menggunakan OCR (Optical Character Recognition)

Alamsyah, Derayan Bima (2018) Implementasi Text Recognition untuk mendeteksi Digital Writing dan Handwriting dalam Alfabet Latin menggunakan OCR (Optical Character Recognition). Diploma thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_cover.pdf Download (151kB) | Preview
Preview	Text (ABSTRAK) 2_abstrak.pdf Download (108kB) | Preview
Preview	Text (DAFTAR ISI) 3_daftarisi.pdf Download (99kB) | Preview
Preview	Text (BAB I) 4_bab1.pdf Download (186kB) | Preview
	Text (BAB II) 5_bab2.pdf Restricted to Registered users only Download (517kB) | Request a copy
	Text (BAB III) 6_bab3.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB IV) 7_bab4.pdf Restricted to Registered users only Download (3MB) | Request a copy
	Text (BAB V) 8_bab5.pdf Restricted to Registered users only Download (108kB) | Request a copy
	Text (DAFTAR PUSTAKA) 9_daftarpustaka.pdf Restricted to Registered users only Download (107kB) | Request a copy

Abstract

Pengenalan kata Text Recognition merupakan salah satu hasil perkembangan dari Artificial Intelegence atau kecerdasan buatan yaitu kemajuan teknologi yang dapat mengenali sebuah tulisan atau teks layaknya seperti manusia. Implementasi text recognition menggunakan OCR (Optical Character Recognition) yaitu sebuah Teknik pengenalan teks dengan membaca struktur dari masing-masing tiap karakter. Recognition dilakukan secara realtime dengan memanfaatkan API Mobile Vision untuk pengembangan OCR. Yaitu bekerja mengenali sebuah struktur kata untuk melakukan pengenalan pada huruf alfabet latin yang dibuat dalam digitalwring dan handwriting kemudian dilakukan klasifikasi sehingga sistem dapat mengenali sebuah teks dari alfabet latin. Tentu digital writing dan handwriting memiliki karakter yang berbeda dalam proses menulis dan hasil dari setiap tulisan. Setiap karakter teks dilakukan proses klasifikasi sehingga dapat dikenali menjadi sebuah karakter tertentu. Metode untuk klasifikasi yaitu Template Matching Correlation, yaitu teknik statistik yang digunakan untuk mencari dua variabel/matriks atau lebih yang sifatnya kuantitatif. Algoritma ini mencocokan setiap pixel pada suatu matriks citra digital dengan citra yang menjadi template acuan. Hasil dari uji coba menunjukan pengenalan huruf abjad alfabet latin, untuk digital writing rata-rata keseluruhan dihasilkan sebesar 99.81% dari 30 pengujian dengan 3 model variasi pengujian, dan pengujian pada handwriting dihasilkan rata- rata sebesar 75.90% dari 30 pengujian dengan 3 model variasi pengujian.

Actions (login required)

View Item