Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Diaz Bintang Ilyasha Suryawan
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Pengujian Metode Pra‑Pemrosesan Super Resolution Espcn Dan Fsrcnn Terhadap Kinerja Easyocr Dan Pytesseract Pada Ekstraksi Teks Ktp Berbasis Raspberry Pi Diaz Bintang Ilyasha Suryawan
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 2 (2026): Februari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Kartu Tanda Penduduk (KTP) merupakan dokumen identitas penting dalam berbagai layanan administrasi digital. Namun, ekstraksi informasi KTP secara otomatis pada perangkat embedded masih menghadapi kendala kualitas citra dan keterbatasan sumber daya komputasi. Penelitian ini bertujuan merancang dan menganalisis sistem ekstraksi teks KTP berbasis Raspberry Pi 4B menggunakan model deteksi objek YOLOv8n, metode super-resolution ESPCN dan FSRCNN, serta library OCR EasyOCR dan PyTesseract. Sistem dirancang untuk mendeteksi area teks NIK dan nama, meningkatkan kualitas citra, dan mengekstraksi teks secara otomatis. Evaluasi dilakukan melalui pengujian jarak pengambilan citra, akurasi deteksi, akurasi ekstraksi teks menggunakan Character Error Rate (CER), waktu komputasi, serta penggunaan sumber daya. Hasil penelitian menunjukkan bahwa YOLOv8n memiliki performa deteksi sangat baik dengan nilai accuracy, precision, recall, specificity, dan F1-score di atas 0,98 serta confidence sekitar 0,89. Jarak optimal pengambilan citra diperoleh pada 5 cm dengan akurasi rata-rata 98,67%. Kombinasi ESPCN dengan EasyOCR menghasilkan akurasi ekstraksi tertinggi sebesar 98,98%, sementara FSRCNN dengan PyTesseract memiliki waktu komputasi paling efisien sekitar 1 detik. Dari sisi efisiensi sumber daya, ESPCN dengan PyTesseract menunjukkan penggunaan memori dan CPU paling rendah. Sistem ini terbukti mampu menyeimbangkan akurasi, kecepatan, dan efisiensi pada perangkat embedded.
Co-Authors