UMKLAUMKLA

JKTI Jurnal Keilmuan Teknologi InformasiJKTI Jurnal Keilmuan Teknologi Informasi

Perkembangan terhadap pengolahan teknologi citra digital yang perkembang sangat pesat telah meningkatkan kebutuhan kepada sistem ekstraksi teks otomatis dari sebuah gambar atau biasa dikenal sebagai (OCR). Di teknologi ini terdapat dua tools yaitu Tesseract dan EasyOCR, yang merupakan dua perangkat lunak bersifat sumber terbuka yang sangat populer dan seringkali digunakan oleh para pengembang untuk memenuhi kebutuhan yang diperlukan. Namun, pemilihan alat yang paling tepat sering kali menjadi tantangan tersendiri yang harus dihadapi oleh peneliti karena adanya perbedaan signifikan dalam arsitektur dasar serta performa yang ditawarkan oleh masing-masing pustaka tersebut. Penelitian ini dilakukan bertujuan untuk melakukan analisis perbandingan yang mendalam antara Tesseract dan EasyOCR, khususnya dalam aspek akurasi pengenalan karakter serta kecepatan pemrosesan data pada berbagai kondisi citra.

Penelitian ini berhasil membandingkan performa EasyOCR dan Tesseract dalam ekstraksi teks pada citra digital.Hasil pengujian dengan metrik rata-rata tertimbang menunjukkan bahwa EasyOCR memiliki keunggulan signifikan, dengan nilai Character Error Rate (CER) 0,16 dan Word Error Rate (WER) 0,35, sementara Tesseract menghasilkan CER 0,80 dan WER 0,88.Dengan demikian, EasyOCR lebih unggul dalam akurasi dan keandalan pada dataset yang diuji.

Penelitian selanjutnya dapat menyelidiki bagaimana penerapan teknik prapemrosesan citra adaptif, seperti peningkatan kontras dan pengurangan noise berbasis deep learning, mempengaruhi akurasi OCR pada EasyOCR dan Tesseract dalam kondisi gambar yang sangat beragam; apakah kombinasi prapemrosesan tersebut dapat menurunkan nilai CER dan WER secara signifikan dibandingkan tanpa prapemrosan? Selanjutnya, studi dapat memperluas evaluasi ke kumpulan data nyata yang mencakup berbagai bahasa dan skrip, termasuk teks non‑Latin, untuk menguji kemampuan generalisasi kedua pustaka; sejauh mana performa EasyOCR dan Tesseract berubah ketika dihadapkan pada variasi tipografi, ukuran font, dan orientasi teks yang kompleks? Terakhir, penelitian dapat mengeksplorasi optimasi sumber daya komputasi dengan mengembangkan model hybrid yang mengintegrasikan kecepatan Tesseract pada CPU dengan akurasi tinggi EasyOCR pada GPU, serta menguji apakah pendekatan ini dapat menghasilkan trade‑off yang lebih efisien antara kecepatan proses dan kualitas ekstraksi teks. Selain itu, dapat dilakukan analisis biaya energi untuk menilai dampak penggunaan GPU versus CPU dalam skenario penerapan skala besar.

  1. i-manager Publications | Academic Journals & Research. manager publications academic journals research doi.org/10.26634/jfet.20.4.22287i manager Publications Academic Journals Research manager publications academic journals research doi 10 26634 jfet 20 4 22287
Read online
File size711.66 KB
Pages8
DMCAReport

Related /

ads-block-test