<![CDATA[Pengenalan teks pada citra nota menggunakan Optical Character Recognition (OCR) masih relevan diteliti karena tingginya variasi kualitas citra. Penelitian ini mengevaluasi kinerja Tesseract dan EasyOCR dalam mengenali teks pada citra nota dengan beberapa metode prapemrosesan. Dataset berasal dari Kaggle dengan 50 sampel citra yang dipilih menggunakan stratified sampling. Pengujian dilakukan dengan menghitung Character Error Rate (CER) antara hasil OCR dan ground truth. Hasil menunjukkan nilai CER berada pada kisaran 18%–25%, dengan performa terbaik Tesseract pada mode denoise dan EasyOCR pada mode grayscale. Metode threshold memberikan penurunan akurasi paling signifikan. Kualitas citra dan jenis prapemrosesan terbukti memengaruhi kinerja OCR, sehingga pemilihan prapemrosesan yang tepat sangat penting dalam meningkatkan akurasi pengenalan teks pada citra nota.]]>
Copyrights © 2026
