Implementasi Pengenal Tulisan Tangan Menggunakan Optical Character Recognition Dengan Metode Cnn Dan Rnn Pada Dokumen Resi Dan Kuitansi
Abstract
Penggunaan dokumen cetak seperti resi dan kuitansi tetap relevan dalam dunia industri dan bisnis, terutama dalam transaksi jual beli. Kuitansi bisa diisi secara manual atau dicetak melalui komputer, sehingga diperlukan alat yang mampu mengenali tulisan tangan dan cetakan. Optical Character Recognition (OCR) digunakan untuk mengubah teks dari dokumen menjadi format digital, termasuk pada tulisan tangan yang memerlukan perlakuan khusus. Penelitian ini mengusulkan alat pemindai portabel yang menggunakan kombinasi Convolution Neural Network (CNN) dan Recurrent Neural Network (RNN), arsitektur deep learning terinspirasi dari persepsi visual otak manusia. Dataset dari IAM Database digunakan untuk melatih model, dan pengujian pada 10 penulis berbeda dengan melihat nominal angka pada kuitansi mencapai akurasi 83.33%.
Kata Kunci -- OCR, tulisan tangan, CNN, RNN, Kuitansi, Resi.
References
Ariza, B. (2022),
SEBAGAI ALAT BUKTI JUAL BELI TANAH
DALAM KONSEPSI KEPASTIAN HUKUM
(STUDI KASUS DI KABUPATEN
MAJALENGKA).= Accessed: Jul. 26, 2023. [Online].
Available:
http://repository.unissula.ac.id/26570/1/21302000115
V. Kumar, P. Kaware, P. Singh, R. Sonkusare and S.
Kumar, "Extraction of information from bill receipts
using optical character recognition," 2020
International Conference on Smart Electronics and
Communication (ICOSEC), Trichy, India, 2020, pp.
-77, doi: 10.1109/ICOSEC49089.2020.9215246.
R. F. Rahmat, D. Gunawan, S. Faza, N. Haloho and E.
B. Nababan, "Android-Based Text Recognition on
Receipt Bill for Tax Sampling System," 2018 Third
International Conference on Informatics and
Computing (ICIC), Palembang, Indonesia, 2018, pp.
-5, doi: 10.1109/IAC.2018.8780416.
G. Hemanth, M. Jayasree, S. Venii, P. Akshaya, and
R. Saranya,
TEXT RECOGNITION,= ONLINE) ICTACT
JOURNAL ON SOFT COMPUTING, p. 1, 2021, doi:
https://doi.org/10.21917/ijsc.2021.0351.
F. Abien and M. Agarap,
Rectified Linear Units (ReLU),= Feb. 2019.
Cheriet. M., et al, Character Recognition Systems,
New Jersey: John Wiley & Sons, 2007.
A Ichwan,
Huruf Tulisan Tangan Menggunakan Optical
Character Recognition Dengan Metode Convolutional
Neural Network,=. Skripsi, Fakultas Teknik Elektro,
Telkom University, Bandung, 2022
W. S. Eka Putra,
Convolutional Neural Network (CNN) pada Caltech
,= Jurnal Teknik ITS, vol. 5, no. 1, Mar. 2016, doi:
https://doi.org/10.12962/j23373539.v5i1.15696.
Mathworks. (2018). Visualize Activations of a
Convolutional Neural Network. Retrieved February
, 2018 form
https://www.mathworks.com/help/deeplearning/exa
mples/visualize-activations-of-aconvolutionalneural-network.html
I. Khandokar, M. Hasan, F. Ernawan, S. Islam, and M.
N. Kabir,
convolutional neural network,= Journal of Physics:
Conference Series, vol. 1918, no. 4, p. 042152, Jun.
, doi: 10.1088/1742-6596/1918/4/042152.
Y. Chherawala, P. P. Roy, and M. Cheriet,
Set Evaluation for Offline Handwriting Recognition
Systems: Application to the Recurrent Neural
Network Model,= IEEE Transactions on Cybernetics,
vol. 46, no. 12, pp. 2825-2836, Dec. 2016, doi:
1109/tcyb.2015.2490165
https://www.kaggle.com/datasets/nibinv23/iamhandwriting-word-database
