UNPARUNPAR

Jurnal Teknologi Informasi: Jurnal Keilmuan dan Aplikasi Bidang Teknik InformatikaJurnal Teknologi Informasi: Jurnal Keilmuan dan Aplikasi Bidang Teknik Informatika

Penelitian ini mengembangkan sistem deteksi teks pada gambar dengan mengintegrasikan metode Maximally Stable Extremal Regions (MSER) dan Optical Character Recognition (OCR). Permasalahan utama yang ditangani adalah keterbatasan akurasi deteksi teks pada gambar dengan variasi latar belakang yang kompleks, resolusi yang berbeda, dan kondisi pencahayaan yang tidak merata. Metodologi penelitian melibatkan pengumpulan 100 sampel gambar dari papan merek di lingkungan sekitar, diikuti dengan tahap pra-pemrosesan termasuk implementasi MSER untuk mengidentifikasi wilayah stabil dengan intensitas piksel yang serupa yang berpotensi mengandung teks, dan aplikasi OCR untuk mengenali teks dari wilayah yang diekstrak. Pengujian sistem dilakukan menggunakan matriks kebingungan dengan parameter presisi, recall, dan akurasi. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan berhasil mencapai kinerja tinggi dengan presisi 98%, recall 94%, dan akurasi 94%. Metode MSER terbukti efektif dalam mendeteksi wilayah kandidat teks meskipun terdapat variasi font, ukuran, dan orientasi, sementara OCR menunjukkan kemampuan yang baik dalam pengenalan karakter dari wilayah yang terdeteksi. Integrasi ini menyediakan solusi yang kuat dan praktis untuk aplikasi deteksi teks otomatis dalam berbagai skenario dunia nyata.

Penelitian ini menyimpulkan bahwa sistem deteksi teks yang dikembangkan dengan integrasi MSER dan OCR berhasil mencapai kinerja yang sangat baik dengan akurasi keseluruhan sebesar 94%.Integrasi kedua metode ini efektif mengatasi tantangan deteksi teks pada gambar dengan kondisi kompleks.Sistem menunjukkan presisi tinggi sebesar 98% dan recall sebesar 94%, menandakan kemampuan yang baik dalam meminimalkan kesalahan deteksi dan mengenali sebagian besar teks yang ada.Penelitian ini memberikan kontribusi berupa framework yang dapat diadaptasi untuk berbagai aplikasi deteksi teks.

Berdasarkan hasil penelitian ini, beberapa saran penelitian lanjutan dapat dipertimbangkan. Pertama, eksplorasi penggunaan metode deep learning, seperti Convolutional Neural Networks (CNN) atau Recurrent Neural Networks (RNN), untuk meningkatkan akurasi deteksi teks, terutama pada gambar dengan kondisi pencahayaan yang buruk atau distorsi geometris yang signifikan. Kedua, pengembangan algoritma adaptif untuk optimasi parameter MSER secara otomatis berdasarkan karakteristik gambar input, sehingga sistem dapat menyesuaikan diri dengan berbagai jenis gambar dan lingkungan. Ketiga, penelitian lebih lanjut mengenai integrasi sistem deteksi teks dengan teknologi augmented reality (AR) untuk aplikasi real-time, seperti penerjemahan teks langsung pada objek di sekitar pengguna atau penyediaan informasi tambahan tentang teks yang terdeteksi. Pengembangan ini akan membuka peluang baru untuk aplikasi praktis yang inovatif dan bermanfaat bagi masyarakat luas.

  1. Jurnal Teknologi Informasi: Jurnal Keilmuan dan Aplikasi Bidang Teknik Informatika. jurnal teknologi... doi.org/10.47111/JTIJurnal Teknologi Informasi Jurnal Keilmuan dan Aplikasi Bidang Teknik Informatika jurnal teknologi doi 10 47111 JTI
  2. Pengolahan Citra Berbasis Video Proccesing dengan Metode Frame Difference untuk Deteksi Gerak | Journal... doi.org/10.52158/jacost.v5i1.790Pengolahan Citra Berbasis Video Proccesing dengan Metode Frame Difference untuk Deteksi Gerak Journal doi 10 52158 jacost v5i1 790
  3. Pembentukan Model Recurrent Neural Network dan Connectionist Temporal Classification Pada Pengenalan... journal.umkendari.ac.id/index.php/decode/article/view/151Pembentukan Model Recurrent Neural Network dan Connectionist Temporal Classification Pada Pengenalan journal umkendari ac index php decode article view 151
Read online
File size537.05 KB
Pages8
DMCAReport

Related /

ads-block-test