Optical Character Recognition
(OCR) adalah konversi mekanik atau elektronik dari gambar
scan tulisan tangan, ketik, atau cetak ke da
lam
encoded text
untuk komputer
. Kajian
tentang
OCR akhir
akhir ini memberikan metode dengan akurasi yang baik dan kecepatan komputasi
yang semakin ringan. Komputasi yang semakin ringan memungkinkan mesin dengan
spesifikasi rendah seperti smart phone sanggup mengerjakan OCR.
Pada Tugas Akhir ini
diterapkan metode OCR, dengan menggunakan
Contour Analysis
dengan
representasi
contour berupa bilangan kompleks dan metode
feature extraction
Intercorelation
dan
Autocorrelation
function
dan dengan
feature preselection
menggunakan
algoritma
longest common
subsequence
(LCS)
. Untuk penghalusan contour digunakan
algoritma Rames Douglas Peucker (RDP).
Hasil pen
gujian menunjukkan penghalusan
contour dengan menggunakan RDP
dengan
konfigurasi epsilon optimal se
besar 2,
0 dan titik contour sebanyak 32 akurasi yang
dihasilkan
lebih
besar 4%
dari pada tidak menggunakan RDP
. Penggunaan
feature preselection
menggunakan LCS lebih efektif
menyeleksi
dari
pada
Euclidean distance
.
LCS dengan
konfigurasi toleransi optimal sebesar 0,1 menghasilkan 68
contour
hasil preseleksi
dari 676
contour
. Euclidean distance dengan konfigurasi
threshold
jarak
0,3 menghasilkan
158
contour
hasil preseleksi dari 676 contour.
OCR, feature preselection , algoritma Rames - Douglas - Peucker, longest common subsequence , contour a nalisi s .