<![CDATA[Pengelolaan administrasi transaksi keuangan pada Koperasi Mahasiswa (KOPMA) Universitas Nusantara PGRI Kediri saat ini masih didominasi oleh proses input data secara manual. Hal ini berimplikasi pada tingginya risiko kesalahan pencatatan (human error) serta rendahnya efisiensi waktu operasional. Penelitian ini bertujuan untuk mengimplementasikan teknologi Document AI melalui model pembelajaran mendalam (deep learning) LayoutLMv3 guna mengekstraksi informasi krusial dari dokumen nota belanja yang memiliki variasi tata letak sangat heterogen. Pendekatan yang diusulkan mengintegrasikan modalitas teks, informasi spasial, dan fitur visual di dalam satu arsitektur transformer terpadu. Guna mengoptimalkan tingkat akurasi hasil ekstraksi, penelitian ini juga menerapkan konsep Hybrid Intelligence dengan memadukan Regular Expression (Regex) sebagai filter pasca-pemrosesan serta mekanisme Human-in-the-Loop melalui antarmuka Streamlit. Pengujian yang dilakukan terhadap 1.000 sampel citra nota belanja menunjukkan bahwa pendekatan multimodal ini secara signifikan mampu mengakselerasi kecepatan pendataan transaksi. Selain itu, sistem ini terbukti menjaga integritas data keuangan melalui validasi akhir oleh admin, sehingga dapat menjadi solusi digitalisasi dokumen yang andal. ]]>
Copyrights © 2026
