EVALUASI KINERJA TESSERACT-OCR DALAM PENGENALAN TEKS TULISAN TANGAN MENGGUNAKAN DATASET KUSTOM
DOI:
https://doi.org/10.23960/jitet.v13i3.7162Abstract Views: 86 File Views: 73
Keywords:
Handwritten (OHTR), Tesseract-OCR, CERAbstract
Pengenalan teks tulisan tangan (OHTR) masih menjadi tren penelitian hingga saat ini karena masih banyaknya hal yang dapat dieksplorasi. Penelitian ini mengevaluasi kinerja Tesseract-OCR dalam mengenali teks tulisan tangan dengan mengumpulkan dan memproses 500 kata dalam bahasa Indonesia secara acak. Pengujian dilakukan dengan menghitung Character Error Rate (CER) antara teks asli dan teks hasil Optical Character Recognition (OCR) menggunakan Tesseract. Hasil menunjukkan bahwa rata-rata CER sebesar 35,08%, yang mengindikasikan tingkat akurasi pengenalan teks tulisan tangan sebesar 64,92%. Faktor-faktor seperti kualitas input data dan kompleksitas tulisan tangan mempengaruhi kinerja Tesseract-OCR. Penelitian ini memberikan kontribusi terhadap pemahaman kemampuan Tesseract-OCR dalam mengenali teks tulisan tangan serta menyoroti pentingnya pengembangan teknologi Optical Character Recognition (OCR) untuk aplikasi masa depan.
Downloads
References
M. A Liman, A. Josef, and G. P. Kusuma, “Handwritten Character Recognition Using Deep Learning Algorithm with Machine Learning Classifier”, Int. J. Inform. Visualization, vol. 8, no. 1, pp. 150-157, 2024, doi: https://dx.doi.org/10.62527/joiv.8.1.1707.
M. Rizkiyanda, W. Priharti, and I. Hidayat, “Implementasi Pengenalan Tulisan Cetak Menggunakan Tesseract dan Komunikasi Jaringan Menggunakan Python”, eProceedings of Engineering, vol. 11, no. 1, pp. 16-20, 2024.
A. F. I. Setyadi, and Y. A. Susetyo, “Implementasi Algoritma LSTM pada Aplikasi Optical Character Recognition Berbasis
Website Menggunakan Tesseract-OCR”, J. Teknologi Sistem Informasi dan Aplikasi, vol. 6, no. 2, pp. 63-71, 2023, [Online]. Available: https://repository.uksw.edu//handle/123456789/ 29937
F. Abdiansyah, K. A. Santoso, and A. Kamsyakawuni, “Perbandingan Image RGB dan Grayscale pada Pengkodean Image dengan Algoritma 3D Playfair”, P. Seminar Nasional Matematika, vol. 4, pp. 524-533, 2021, [Online]. Available: https://journal.unnes.ac.id/sju/prisma/article/vie w/45012
M. I. N. Sidiq, “Aplikasi untuk Mengubah Gambar ke Teks dan Teks ke Suara dengan Metode Optical Character Recognition Berbasis Android”, 2021, [Online]. Available: http://elibrary.unikom.ac.id/id/eprint/5284
F. P. Putri and A. Kusnadi, “Pengenalan Tulisan Tangan Offline dengan Algoritma Generalized Hough Transform dan Backpropagation”, J. Sistem Komputer, vol. 10, no. 1, pp. 5-12, 2018, doi: https://doi.org/10.31937/sk.v10i1.890.
T. B. Sianturi, I. Cholissodin, and N. Yudistira., “Penerapan Algoritma Long Short-Term Memory (LSTM) Berbasis Multi-Fungsi Aktivasi Terbobot dalam Prediksi Harga Ethereum”, J. Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 7, no. 3, pp. 1101-1107, 2023, [Online]. Available: https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/v iew/12384
M. F. Rizkilloh and S. Widiyanesti, “Prediksi Harga Cryptocurrency Menggunakan Algoritma Long Short Term Memory (LSTM)”, J. Rekayasa Sistem dan Teknologi Informasi, vol. 6, no. 1, pp. 25- 31, 2022, doi:
https://doi.org/10.29207/resti.v6i1.3630.
A. Asroni, G. Indrawan, and L. J. E. Dewi, “Implementasi Hirarki Dataset dalam Membangun Model Language Bali Menggunakan Framework Tesseract OCR”, J. Resistor, vol. 6, no.1, 2023, doi: https://doi.org/10.31598.
P. C. Vashist, A. Pandey, and A. Tripathi, “A Comparative Study of Handwriting Recognition Techniques”, Int. Conference on Computation, Automation and Knowledge Management (ICCAKM), 2020, doi:
https://doi.org/10.1109/ICCAKM46823.2020.90 51464.
Y. Wang, W. Xiao, and S. Li, “Offline Handwritten Text Recognition Using Deep Learning A Review”, J. of Physics: Conference Series, 2021,
doi: 10.1088/1742-6596/1848/1/012015.
K. Kusnantoro, T. Rohana, and D. S. Kusumaningrum, “Implementasi Metode
Tesseract OCR (Optical Character Recognition) untuk Deteksi Plat Nomor Kendaraan pada Sistem Parkir”, Scientific Student J. for Information, Tech. and Science, vol. 3, no. 1,
pp. 59-67, 2022.
J. A. Patel, “Handwritten and Printed Text Recognition Using Tesseract-OCR”, Int. J. of Creative Research Thoughts, vol. 9, no. 9, pp. 69-77, 2021, [Online]. Available: http://www.ijcrt.org/papers/IJCRT2109326.pdf
M. R. Toha and A. Triayudi, “Penerapan Membaca Tulisan di dalam Gambar Menggunakan Metode OCR Berbasis Website pada e-KTP”, J. Sains dan Teknologi, vol. 11, no. 1, pp. 175-183, 2022, doi:
https://dx.doi.org/10.23887/jst-undiksha.v11i1.
T. I. Cahyani, dkk., “Perbandingan Akurasi Pengenalan Karakter Plat Nomor Menggunakan Tesseract dan Data Latih Emnist”, J. I. Technology and Computer Science, vol. 5, no. 2, 2022.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Jurnal Informatika dan Teknik Elektro Terapan
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
