Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Petir Prosiding SeNTIK STI&K
Susan Siti Nurhaliza
Universitas Gunadarma
Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Languange, Linguistic, Communication & Media

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Sistem Pengenalan Karakter Dokumen Secara Otomatis Menggunakan Metode Optical Character Recognition Susan Siti Nurhaliza; Lussiana ETP
PETIR Vol 15 No 1 (2022): PETIR (Jurnal Pengkajian Dan Penerapan Teknik Informatika)
Publisher : Sekolah Tinggi Teknik - PLN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33322/petir.v15i1.1610

Abstract

Merebaknya pandemi covid-19 memberikan dampak ke segala bidang kehidupan, termasuk kegiatan ekspor impor, khususnya impor barang yang berkaitan dengan alat kesehatan. Peningkatan impor yang signifikan menyebabkan aktifitas pemeriksaan dokumen terkait dengan customs clearance semakin meningkat tajam. Kondisi ini mempengaruhi kinerja petugas dalam hal ketelitian dan kekuatan jasmani, yang saat ini masih dilakukan secara manual yaitu pembacaan naskah secara langsung. Dengan demikian sangat rentan terhadap terjadinya kesalahan baca dan entry data saat pemeriksaan. Akibatnya harus dilakukan pemeriksaan ulang dan banyaknya complain dari penerima barang. Penelitian ini bertujuan menerapkan metode Optical Character Recognition (OCR) untuk mengenali karakter dokumen ijin distribusi alat kesehatan. Berbagai tahap penelitian yang digunakan antara lain: preprocessing yang terdiri dari proses grayscaling, binerisasi, cropping kemudian dilanjutkan dengan proses segmentasi, ekstraksi fitur dan untuk proses terakhir adalah proses metode template matching yang merupakan suatu metode yang banyak digunakan untuk mengenali suatu karakter. Hasil uji coba 5 citra dokumen menunjukkan tingkat akurasi pengenalan karakter sebesar 98.78% dan waktu proses rata-rata 1.29 detik Dengan demikian dapat disimpulkan bahwa metode OCR dapat di terapkan untuk mengenali suatu karakater pada dokumen izin distribusi alat kesehatan.
ANALISIS KINERJA OPTICAL CHARACTER RECOGNITION UNTUK MEMBACA DOKUMEN OTOMATIS Susan Siti Nurhaliza; M. Subali; Lussiana ETP; Rozi
Prosiding Seminar SeNTIK Vol. 6 No. 1 (2022): Prosiding SeNTIK 2022
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Optical character recognition ( OCR) merupakan teknologi untuk mengenali karakter pada suatu citra, termasuk text atau dokumen. Salah satu menfaat implementasi metode OCR adalah untuk pengenalan dokumen pada bagian customs clearance. Berdasarkan fakta penggunaan huruf suatu dokumen sangat beragam, tidak hanya jenis huruf Calibri. Berdasarkan hal tersebut tujuan penelitian ini adalah melakukan pengkajian kinerja OCR dalam mengenali karakter dokumen dengan menggunakan jenis huruf Arial, Bahnschrift Condensed, Georgia, Lucida Sans Unicode, Roman, Segoe UI Semibold, dan Times New Roman. Adapun tahapan-tahapan penelitian antara lain adalah preprocessing yang terdiri dari proses grayscaling, binerisasi, cropping selanjutnya adalah tahap segmentasi, ekstraksi fitur dan untuk proses terakhir adalah proses metode pencocokkan karakter berdasarkan pada template matching. Berdasarkan hasil pengujian metode OCR mampu mengenali dengan akurasi 100% untuk karakter jenis huruf Georgia, Lucida Sans Unicode, Roman dan Segoe UI Semibold sedangkan akurasi terendah 71.21% pada karakter jenis huruf Bahnschrift Condensed. Dengan demikian dapat disimpulkan bahwa metode OCR secara umum mampu mengenali karakter, namun demikian masih terbuka untuk melakukan pengembangan penelitian untuk meningkatkan akurasi jenis huruf lain. Ditinjau dari waktu proses metode OCR relatif singkat, yaitu rata-rata 1.33 detik.
Co-Authors Lussiana ETP M. Subali Rozi