Pemahaman tentang OCR

Pemahaman tentang OCR 

1.       OCR (Optical Character Recognition) adalah sebuah perangkat lunak yang mengubah teks dalam format berkas citra atau gambar ke dalam format teks yang bisa dibaca dan disunting oleh aplikasi komputer.

Dengan cara memindai dengan alat yang biasa disebut scanner.

OCR diterapkan diberbagai bidang untuk membaca data secara otomatis dan langsung memasukannya kedalam basis data.

Contoh pengaplikasian :

- Translasi ke bahasa asing

- Pencarian

- Sistem baca otomatis untuk tunanetra

- Pengetesan CAPTCHA

2.       Judul jurnal nya : IMPLEMENTASI DEEP LEARNING BERBASIS KERAS UNTUK PENGENALAN WAJAH

NO ISSN :  1411-8890

Sumber  : https://scholar.google.co.id/scholar?hl=id&as_sdt=0%2C5&q=jurnal+issn+computer+vision&oq=#d=gs_qabs&u=%23p%3DuJLCky3o5MkJ

Penerbit : http://journals.ums.ac.id/

Identifikasi jurnal

Sistem pengenalan wajah merupakan aspek penting dalam bidang computer vision yang mendukung terhadap perkembangan teknologi yang serba canggih seperti era sekarang ini. Penggunaan wajah sendiri digunakan karena wajah memiiki keunikan dan merupakan identitas bagi setiap manusia. Dalam pengembangannya, sistem pengenalan wajah masih memiliki permasalahan dalam faktor pencahayaan, ekpresi wajah dan perubahan atribut pada wajah. Sehingga, dalam penelitian ini penulis menggunakan Convoutional Neural Network(CNN) untuk mencoba mengatasi hal tersebut. CNN merupakan bagian dari deep learning yang digunakan untuk melakukan proses pembelajaran pada komputer untuk mencari reprentasi terbaik. CNN terdiri 3 tahapan, yaitu Input data , Feature Learning, dan Classification. Setiap data masukan akan melaui ketiga tahapan tersebut dengan proses filtering. Pengimplementasian CNN pada penelitian ini menggunakan library keras yang menggunakan bahasa pemrograman python . Keras merupakan framework yang dibuat untuk mempermudah pembelajaran terhadap komputer.

Convolutional Neural Network memiliki beberapa layer yang difungsikan untuk melakukan filter pada setiap prosesnya. Prosesnya disebut dengan proses training. Pada proses training terdapat 3 tahapan yaitu Convolutional layer, Pooling layer, dan Fully connected layer. Pada jurnal ini penulis melakukan pengujian ukuran wajah. Pengujian yang dilakukan menggunakan 5 lapisan dan 7 lapisan dan ukuran data masukan training yang diubah dengan ukuran 28x28 px dan 64x64 px. Pengujian data dengan menggunakan 7 lapisan menghasilkan kecocokan 30 data dari 30 data, sedangkan pengujian data yang menggunakan 5 lapisan menghasilkan 27 data yang cocok dari 30 data.

Kesimpulan :

Penelitian ini berhasil mengimplementasikan metode Convolutional Neural Network menggunakan library keras dengan hasil persentase yang cukup baik dengan tingkat kecocokan data sebesar 98,57%. Dari 30 data testing, hampir semua memiliki kecocokan dengan database yang ada. Pada proses training, ukuran gambar mempengaruhi tingkat akurasi dan waktu pelatihan data. Semakin besar ukuran gambar yang dilatih maka semakin lama proses pembelajarannya. Penggunaan jumlah layer pada proses training juga mempengaruhi tingkat keakurasian dalam pengujian data. Semakin banyak layer yang digunakan maka semakin baik hasil yang didapatkan.