Record Detail Back
STUDI KOMPARASI PERFORMA DEEP LEARNING TEXT DETECTOR MENGGUNAKAN TESSERACT OCR, EASY OCR, KERAS-OCR DAN PADDLE OCR UNTUK TRANSFORMASI DATA IMAGE MENJADI DATA TEKSTUAL
- Share to:
Optical Character Recognition (OCR) adalah teknologi yang digunakan untuk
mengubah teks dari gambar menjadi data digital, yang sangat berguna dalam
berbagai bidang seperti administrasi digital, pengarsipan dokumen, dan alat bantu
bagi penyandang disabilitas. Terdapat berbagai metode OCR, termasuk metode
berbasis aturan seperti Tesseract OCR dan metode berbasis deep learning seperti
EasyOCR, Keras-OCR, dan PaddleOCR. Penelitian ini bertujuan untuk
membandingkan performa empat metode gratis atau open-source dalam
mengekstrak teks dari gambar dengan mempertimbangkan akurasi, kecepatan, dan
efisiensi sumber daya. Proses evaluasi dilakukan dengan menguji masing-masing
model pada dataset internal menggunakan metrik Word Error Rate, waktu eksekusi,
serta konsumsi memori dan prosesor. Hasil studi menunjukkan bahwa PaddleOCR
unggul dalam menangani teks kompleks dan gambar berkualitas rendah, EasyOCR
memiliki kelebihan keseimbangan, keras-OCR memerlukan kostumisasi,
sementara Tesseract OCR lebih cepat dalam memproses teks sederhana. Evaluasi
ini diharapkan dapat membantu pengembang dan peneliti dalam memilih teknologi
OCR yang paling sesuai untuk berbagai kebutuhan.
HANIF RIDAL WARITS - Personal Name
NONE
Text
INDONESIA
TEKNIK INFORMATIKA UNLA
2025
BANDUNG
LOADING LIST...
LOADING LIST...
APA Citation
HANIF RIDAL WARITS. (2025).STUDI KOMPARASI PERFORMA DEEP LEARNING TEXT
DETECTOR MENGGUNAKAN TESSERACT OCR, EASY
OCR, KERAS-OCR DAN PADDLE OCR UNTUK
TRANSFORMASI DATA IMAGE MENJADI DATA
TEKSTUAL.(Electronic Thesis or Dissertation). Retrieved from https://localhost/etd