PENERAPAN SISTEM PENGENALAN KARAKTER OPTIK MENGGUNAKAN ALGORITMA TESSERACT UNTUK MENDETEKSI LABEL KERETA API INDONESIA
Abstrak
Sistem transportasi kereta api adalah salah satu sektor yang sangat penting dalam kehidupan masyarakat, karena berperan vital dalam menghubungkan wilayah dan mendorong pertumbuhan ekonomi. Label gerbong kereta api digunakan untuk mengidentifikasi tujuan dan jenis gerbong yang digunakan. Sistem transportasi kereta api merupakan salah satu bidang yang memerlukan pengolahan data secara efisien. Pengumpulan data dari label-label gerbong kereta api secara manual masih memerlukan waktu yang cukup lama dan rawan terjadi kesalahan. Penelitian ini menggunakaan metode image processing yaitu metode OCR (Optical Character Recognition) yang berfungsi sebagai pembacaan gambar menjadi karakter. Metode ROI (Region of Interest) atau diterapkan untuk memilih label dari gerbong kereta, dengan memilih ROI, kita dapat memusatkan perhatian pada bagian gambar yang penting dan membuang bagian gambar yang tidak relevan, lalu gambar diproses menggunakan OpenCV. Hasil dari pengolahan citra tersebut dibaca oleh Tesseract OCR, kemudian hasil teks dari label gerbong kereta api akan ditampilkan pada website. Hasil pengujian sistem ini yaitu dapat mendeteksi teks dari label gerbong kereta api secara real-time pada parameter jarak yang berbeda yaitu 10cm, 20cm, 30cm, 40cm, 50cm dan 60cm dengan sudut pengambilan gambar 90° dan tingkat pencahayaan sebesar 45 Lux, 90 Lux, 120 Lux dan 210 Lux. Pembacaan karakter OCR ini memiliki akurasi 100%.
Kata kunci : Optical Character Recognition, image processing, Region of Interest, label kereta api
Referensi
Muthukumaran, K., & Palanisamy, P. (2017). Review of Optical Character Recognition Techniques. International Journal of Engineering Science and Computing, 7(8), 15345-15352.
Kementrian Perhubungan Republik Indonesia (2017, Oktober 3). Transportasi Sebagai Pendukung Sasaran Pembangunan Nasional. https://dephub.go.id/post/read/transportasi-sebagai-pendukung-sasaranpembangunan-nasional.
PM. 54 Tahun 2016, Standar Spesifikasi Teknis Identitas Sarana Perkeretaapian. Menteri Perhubungan Republik Indonesia.2016.
Gonzalez, R. C., & Woods, R. E. (2018). Digital image processing. Pearson Education India.
Burger, W., & Burge, M. J. (2016). Principles of digital image processing: Core algorithms. Springer International Publishing.
Pratt, W. K. (2018). Digital image processing: PIKS Scientific inside. John Wiley & Sons.
Setiawan, M. A., Faza, M. A., & Setiawan, W. (2017). Sistem pengenalan karakter menggunakan optical character recognition (OCR) pada plat nomor kendaraan bermotor menggunakan metode template matching. Jurnal Teknologi dan Sistem Komputer, 5(4), 182-189.
Ahmed, M., Ahmed, M. M., Al-Turjman, F., & Alghathbar, K. (2018). Optical character recognition (OCR) for printed urdu text using artificial neural networks (ANNs). Applied Sciences, 8(11), 2198.
Smith, R. (2007). An overview of the Tesseract OCR engine. Document Analysis and Recognition, ICDAR 2007. Ninth International Conference on (pp. 629-633). IEEE.
Patil, S. R., & Nemade, N. (2016). Optical character recognition using tesseract OCR engine. International Journal of Advanced Research in Computer Engineering & Technology (IJARCET), 5(3), 1211-1214.
Bradski, G. (2000). The OpenCV Library. Dr. Dobb's Journal of Software Tools.
Kaehler, A., & Bradski, G. (2017). Learning OpenCV 3: Computer vision in C++ with the OpenCV library. " O'Reilly Media, Inc.".
OpenCV. (n.d.). Diakses pada 19 April 2022, dari https://opencv.org/
S. Thakare, A. Kamble, V. Thengne and U. R. Kamble, "Document Segmentation and Language Translation Using Tesseract-OCR," 2018 IEEE 13th International Conference on Industrial and Information Systems (ICIIS), 2018, pp. 148-151, doi: 10.1109/ICIINFS.2018.8721372
Tangwannawit, S. 2016. Recognition of Lottery Digits Using OCR Technology. 12th international conference on Signal – image Technology & Internet – based system (SITIS), PP. 632-636.
C. Liyanage, T. Nadungodage and R. Weerasinghe, "Developing a commercial grade Tamil OCR for recognizing font and size independent text," 2015 Fifteenth International Conference on Advances in ICT for Emerging Regions (ICTer), 2015, pp. 130-134, doi: 10.1109/ICTER.2015.7377678.
