Jurnal Teknologi dan Rekayasa Manufaktur JTRM | Vol.
7 | No.
1 | Tahun 2025
ISSN (P): 2715-3908 | ISSN (E): 2715-016X
DOI: https://doi.
org/10.
48182/jtrm.
Deteksi dan Interpretasi Tulisan Tangan Bahasa Indonesia melalui Pemrosesan Citra dan Optical Character Recognition (OCR) Susetyo Bagas Bhaskoro1.
Rizqi Aji Pratama 2*.
Shafa Aulia Hazim Darmawan3 1 Sistem Siber Fisik.
Politeknik Manufaktur Bandung 2 Teknologi Rekayasa Informatika Industri.
Politeknik Manufaktur Bandung Bandung 3 Teknologi Rekayasa Mekatronika.
Politeknik Manufaktur Email: rizqi@ae.
polman-bandung.
Informasi Artikel:
ABSTRAK
Received:
Penelitian ini bertujuan mengembangkan sistem pengenalan tulisan tangan berbasis Optical Character Recognition (OCR) dengan memanfaatkan arsitektur pra-pelatihan DB_ResNet dan CRNN_VGG16, yang diintegrasikan dengan perangkat keras meliputi Arduino Uno, motor stepper, sensor inframerah, kamera, serta rangka aluminium.
Hasil pengujian menunjukkan bahwa sistem mencapai rata-rata akurasi pengenalan teks sebesar 51,70%, berdasarkan validasi terhadap dataset Kamus Besar Bahasa Indonesia (KBBI).
Temuan ini menunjukkan bahwa integrasi teknologi OCR dengan perangkat keras dan perangkat lunak berhasil diimplementasikan, serta berpotensi meningkatkan efisiensi dalam pengolahan data tulisan tangan.
18 Desember 2025 Accepted:
14 Maret 2025 Available:
9 Mei 2025 Kata Kunci:
ABSTRACT
CRNN
VGG16
OCR
Tulisan tangan RestNet In this research, a handwriting recognition system was developed based on Optical Character Recognition (OCR) technologies, employing pretrained DB_ResNet and CRNN_VGG16 architectures.
The system was integrated with hardware components, including an Arduino Uno, stepper motors, infrared sensors, a camera, and an aluminum frame.
Experimental validation against the Kamus Besar Bahasa Indonesia (KBBI) dataset revealed an average text recognition accuracy of 51.
The results confirm the successful integration of OCR technology with hardware and software systems and suggest its potential for improving the efficiency of handwritten data processing.
polman-bandung.
49 | JTRM
Susetyo Bagas Bhaskoro.
Rizqi Aji Pratama.
Shafa Aulia Hazim Darmawan PENDAHULUAN Perkembangan ilmu komputer, khususnya di bidang pengenalan pola, telah mendorong implementasi teknologi pengenalan tulisan tangan.
Pengenalan pola sendiri merupakan proses klasifikasi atau representasi objek berdasarkan karakteristik utama serta pembeda antar objek melalui fitur khas tertentu .
Teknologi pengenalan tulisan tangan memungkinkan digitalisasi data teks tanpa memerlukan input manual, seperti pengetikan, sehingga mampu meningkatkan efisiensi dalam hal waktu dan tenaga .
Penerapan teknologi ini sangat relevan untuk mendukung otomatisasi proses penyimpanan dan pengambilan kembali dokumen secara sistematis dan cepat .
Optical Character Recognition (OCR) merupakan salah satu teknologi yang digunakan untuk mengenali tulisan tangan.
Teknologi ini berfungsi mengonversi teks berbentuk citra menjadi data teks yang dapat diolah secara digital .
Proses OCR dilakukan dengan mengenali karakteristik unik dari setiap huruf atau angka, kemudian mengelompokkannya berdasarkan pola yang telah ditentukan sebelumnya.
Berdasarkan jenis data masukan yang digunakan.
OCR dibedakan menjadi dua kategori, yaitu sistem offline dan sistem online .
Pada sistem offline, data masukan berupa citra hasil pemindaian yang bersifat statis.
Sebaliknya, sistem online menggunakan data dinamis yang direkam secara langsung dari pergerakan ujung pena, meliputi parameter seperti kecepatan, sudut proyeksi, posisi , serta titik-titik koordinat tertentu .
Dengan pendekatan ini, sistem online mampu menangkap karakteristik tulisan secara lebih rinci dibandingkan sistem offline .
ResNet merupakan salah satu arsitektur Convolutional Neural Network (CNN) yang telah terbukti efektif dalam berbagai tugas pengenalan visual .
Pada penelitian ini, dipilih varian DB_ResNet, yakni ResNet yang telah diperluas dengan integrasi modul Differential Binarization (DB).
Integrasi ini memungkinkan peningkatan efisiensi dalam mendeteksi area teks dengan akurasi tinggi dan waktu komputasi yang lebih cepat .
Untuk tahap pengenalan teks, digunakan arsitektur VGG16 yang dikombinasikan dengan model Convolutional Recurrent Neural Network (CRNN) .
CRNN
menggabungkan keunggulan CNN dalam ekstraksi fitur spasial dan Recurrent Neural Network (RNN) dalam menangani informasi sekuensial, sehingga mampu memproses citra dengan berbagai ukuran input serta menghasilkan prediksi label sekuensial berdimensi v ariatif.
Pendekatan ini juga mengeliminasi kebutuhan akan anotasi tingkat karakter, karena sistem dapat beroperasi langsung pada tingkat kata atau frasa .
Penelitian mengenai pengenalan tulisan tangan telah banyak dilakukan, namun hingga saat ini belum terdapat pendekatan yang mengintegrasikan sistem pengenalan dengan perangkat bergerak yang dapat mengarahkan kamera secara otomatis ke lokasi tulisan.
Luaran dari penelitian ini diharapkan mampu meningkatkan efisiensi dalam pengolahan data berbasis tulisan tangan.
Sistem Optical Character Recognition (OCR) yang diusulkan mengimplementasikan arsitektur DB_ResNet untuk deteksi teks dan CRNN berbasis VGG16 untuk proses pengenalan, yang selanjutnya diterapkan pada perangkat bergerak.
Perangkat ini dirancang untuk mendeteksi tulisan tangan dan mengonversinya menjadi teks digital secara otomatis.
Pendekatan ini diharapkan dapat menghemat waktu dan tenaga dalam proses penyimpanan serta pengelolaan dokumen fisik berbasis tulisan tangan.
Secara umum, tahapan penelitian meliputi: pengembangan sistem OCR untuk pengenalan tulisan tangan, pengujian dan evaluasi performa sistem, serta perancangan perangkat keras yang terdiri a tas komponen elektrik dan mekanik untuk mendukung sistem pembacaan tulisan tangan secara otomatis.
METODOLOGI PENELITIAN
Penelitian ini bertujuan untuk mengembangkan sistem Optical Character Recognition (OCR) berbasis arsitektur DB_ResNet dan CRNN-VGG16 guna mendeteksi serta mengenali tulisan tangan, kemudian mengonversinya menjadi teks digital .
, .
Selain itu, penelitian ini juga merancang dan membangun perangkat bergerak yang dilengkapi dengan mekanisme penggerak kamera otomatis untuk mendeteksi posisi tulisan tangan pada media fisik.
Integrasi sistem pengenalan tulisan tangan dengan perangkat keras berbasis komponen elektrik dan mekanik dilakukan untuk menghasilkan alat pembaca tulisan tangan otomatis.
Penelitian ini juga melibatkan proses pengujian dan evaluasi kinerja sistem, 50 | JTRM Deteksi dan Interpretasi Tulisan Tangan Bahasa Indonesia melalui Pemrosesan Citra dan Optical Character Recognition (OCR) yang mencakup aspek akurasi deteksi tulisan, kecepatan konversi ke bentuk digital, serta efektivitas pergerakan perangkat dalam mengakses area tulisan.
Secara keseluruhan, penelitian ini diharapkan dapat meningkatkan efisiensi proses digitalisasi data tulisan tangan, terutama dalam penyimpanan, pencatatan, dan pengelolaan dokumen fisik.
Gambar 1 menyajikan representasi metodologi penelitian yang digunakan dalam pengembangan sistem.
Diagram ini menggambarkan tahapan-tahapan utama yang dilalui, mulai dari identifikasi masalah, analisis kebutuhan, perancangan sistem, implementasi perangkat k eras dan perangkat lunak, hingga tahap pengujian dan evaluasi kinerja.
Setiap tahap dirancang untuk mendukung pencapaian tujuan penelitian secara sistematis dan terukur.
Gambar 1.
Metode Waterfall Penjelasan mengenai setiap tahapan yang dilalui dalam proses penelitian disajikan sebagai berikut.
Requirement Analysis Analisis kebutuhan merupakan tahap awal dalam metode Waterfall yang bertujuan untuk mengidentifikasi, memahami, serta mendokumentasikan kebutuhan pengguna dan sistem secara Pada tahap ini, beberapa kegiatan penting dilakukan sebelum penelitian dimulai, yaitu pengumpulan informasi, analisis informasi, serta penentuan spesifikasi sistem.
Berdasarkan hasil studi observasi terhadap penelitian terdahulu, terdapat sejumlah aspek yang masih dapat dikembangkan.
Pertama, belum banyak penelitian yang secara spesifik membahas tentang pengenalan teks .
ext recognitio.
menggunakan model pra-pelatihan .
re-trained mode.
secara Kedua, meskipun penelitian terkait text recognition telah banyak dilakukan, hingga saat ini belum ditemukan penelitian yang mengintegrasikan sistem pengenalan teks dengan mekanisme gerak otomatis untuk mempermudah proses kerja.
Oleh karena itu, penelitian ini diarahkan untuk mengisi celah tersebut melalui pengembangan sistem yang lebih adaptif dan aplikatif.
Tabel 1 menyajikan kebutuhan sistem untuk digunakan pada penelitian ini.
Tabel 1.
Analisis Kebutuhan Sistem Kategori Kebutuhan Deskripsi Jenis (Fungsional/NonFungsiona.
Kebutuhan Sistem
OCR
Sistem harus mampu mendeteksi dan mengenali tulisan tangan menggunakan DB_ResNet dan CRNNVGG16.
Fungsional 51 | JTRM Susetyo Bagas Bhaskoro.
Rizqi Aji Pratama.
Shafa Aulia Hazim Darmawan Kategori Kebutuhan Kebutuhan Perangkat Gerak Integrasi OCR dan Perangkat Kecepatan Pemrosesan Akurasi Deteksi Efisiensi Energi User Interface Jenis (Fungsional/NonFungsiona.
Deskripsi Perangkat harus dapat menggerakkan kamera secara otomatis menuju area tulisan.
Sistem harus mampu mengintegrasikan hasil deteksi dengan gerak perangkat.
Waktu yang dibutuhkan untuk mendeteksi dan mengonversi teks harus minimal.
Tingkat akurasi dalam mendeteksi tulisan tangan harus di atas 90%.
Perangkat harus menggunakan sumber daya listrik secara efisien.
Sistem harus menyediakan antarmuka pengguna yang mudah digunakan.
Fungsional Fungsional Non-Fungsional Non-Fungsional Non-Fungsional Fungsional System and Software Design Setelah tahap analisis kebutuhan diselesaikan, proses penelitian dilanjutkan dengan tahap perancangan sistem dan perangkat lunak.
Tahap ini bertujuan untuk menyusun solusi teknis yang akan diimplementasikan, mencakup desain arsitektur sistem, spesifikasi komponen perangkat keras, serta perancangan modul perangkat lunak yang mendukung fungsi utama sistem.
Gambaran Umum Sistem Untuk mendukung implementasi sistem pembaca tulisan tangan otomatis, diperlukan beberapa komponen utama yang masing-masing memiliki fungsi spesifik.
Komponen-komponen ini saling terintegrasi membentuk sebuah sistem terpadu yang mampu melakukan akuisisi citra, pengolahan data, hingga pengendalian perangkat keras.
Deskripsi masing-masing komponen yang digunakan dalam penelitian ini disajikan pada Tabel 2 berikut.
Tabel 2.
Gambaran Umum Sistem Nama Komponen Website Database Kertas Tulisan Webcam Arduino Driver Motor Motor Stepper Fungsi Keterangan Tambahan Antarmuka pengguna untuk memantau kamera dan hasil OCR.
Menyimpan gambar dari kamera untuk diproses oleh OCR.
Media tulisan tangan yang akan diubah menjadi teks digital.
Menangkap gambar kertas bertulisan Mikrokontroler yang mengendalikan pergerakan motor.
Mengontrol motor stepper berdasarkan sinyal dari Arduino.
Membawa kamera dan sensor inframerah untuk mencari kertas.
Terintegrasi dengan sistem pengolahan citra.
Basis data penyimpanan citra.
Input fisik untuk sistem.
Tersambung ke website untuk pemantauan dan pemrosesan.
Menerima sinyal dari website, sensor, dan limit switch.
Aktivasi dan penghentian motor.
Dikendalikan melalui Driver Motor.
Agar dapat memberikan pemahaman yang lebih komprehensif mengenai struktur dan alur kerja sistem yang dikembangkan, pada bagian berikut disajikan gambaran umum sistem secara keseluruhan.
Gambaran ini mencakup hubungan antar komponen utama, aliran data, serta interaks i antara perangkat keras dan perangkat lunak yang membentuk integrasi sistem pembaca tulisan tangan otomatis.
Flowchart berikut menggambarkan alur kerja dari sistem alat pembaca tulisan tangan yang Proses dimulai ketika pengguna menekan tombol Start untuk mengaktifkan motor, yang 52 | JTRM Deteksi dan Interpretasi Tulisan Tangan Bahasa Indonesia melalui Pemrosesan Citra dan Optical Character Recognition (OCR) kemudian bergerak mencari objek .
ertas bertulisan tanga.
Saat objek terdeteksi oleh sensor, motor secara otomatis berhenti.
Selama objek masih terdeteksi, motor tetap berada dalam kondisi diam.
Pada tahap ini, pengguna dapat menekan tombol Capture untuk mengambil gambar tulisan tangan, diikuti dengan menekan tombol Convert untuk memproses gambar tersebut menjadi teks digital melalui sistem OCR.
Setelah konversi berhasil, tombol Save digunakan untuk menyimpan hasil gambar dan teks ke dalam tabel History.
Apabila objek telah selesai diproses, maka objek dipindahkan secara manual atau otomatis, sehingga motor dapat kembali bergerak untuk mencari objek lain.
Proses ini berlangsung secara berulang hingga motor mencapai batas akhir jalur yang ditandai dengan ak tifnya Limit Switch, yang kemudian mengembalikan motor ke posisi standby.
Proses sistem diawali dengan mengaktifkan kamera dalam kondisi standby.
Kamera kemudian melakukan pergerakan untuk mencari objek berupa kertas.
Apabila objek tidak terdeteksi, kamera akan terus bergerak hingga menemukan objek.
Setelah objek terdeteksi, sis tem melanjutkan dengan proses pendeteksian serta pembacaan tulisan tangan pada kertas tersebut.
Data hasil pembacaan akan disimpan secara otomatis ke dalam basis data.
Selanjutnya, data tersebut ditampilkan melalui platform website untuk keperluan monitoring atau analisis lebih lanjut.
Pada tahapan berikutnya, kamera kembali bergerak untuk mencari objek baru.
Jika objek terdeteksi, sistem akan mengulangi proses pendeteksian dan pembacaan.
Namun, apabila tidak terdapat objek, kamera secara otomatis kembali k e posisi standby dan proses operasional dinyatakan selesai.
Rangkaian ini dirancang untuk memastikan sistem bekerja secara otomatis, efisien, serta mendukung integrasi data secara real -time.
Gambar 2 menampilkan bagan alur yang digunakan pada penelitian saat ini.
Gambar 2.
Diagram Alir Sistem Diagram alur sistem menggambarkan interaksi antara komponen perangkat keras dan perangkat lunak yang membentuk keseluruhan sistem pembaca tulisan tangan otomatis.
Diagram ini menunjukkan bagaimana proses dimulai dari pengambilan gambar tulisan tangan menggunakan webcam, penyimpanan citra pada database melalui website, hingga proses pengenalan teks menggunakan sistem OCR berbasis DB_ResNet dan CRNN-VGG16 .
, .
Selain itu, ditunjukkan pula alur kendali perangkat bergerak yang diatur oleh Arduino berdasarkan sinyal masukan dari antarmuka pengguna, sensor, dan 53 | JTRM Susetyo Bagas Bhaskoro.
Rizqi Aji Pratama.
Shafa Aulia Hazim Darmawan limit switch.
Penyajian diagram ini bertujuan untuk memperjelas aliran informasi dan sinyal dalam sistem, serta memperlihatkan integrasi antar komponen dalam mendukung tujuan penelitian.
Perancangan Mekanik Perangkat mekanik pada sistem ini dirancang menggunakan aluminium profil tipe 2040 sebagai komponen struktural utama.
Untuk menyambungkan setiap sudut rangka, digunakan L -shaped bracket sebagai elemen pengikat guna memastikan kekokohan dan kestabilan konstruksi.
Selain itu, beb erapa komponen hasil cetak 3D .
D printed part.
dimanfaatkan untuk mendukung pemasangan dan penyimpanan komponen elektrik, sehingga memungkinkan integrasi sistem yang lebih rapi dan Gambar 3 menampilkan desain alat pembaca tulisan tangan.
Gambar 3.
Desain alat pembaca tulisan tangan Perancangan Sistem Elektrik Gambar 4 memperlihatkan skema sistem elektrik yang digunakan dalam implementasi alat pembaca tulisan tangan.
Pada rangkaian ini.
Arduino Uno berperan sebagai pusat kendali yang mengatur pergerakan motor stepper melalui driver motor TB6560, serta menerima input dar i sensor untuk mendeteksi keberadaan objek.
Integrasi antar komponen ini memungkinkan sistem bergerak secara otomatis berdasarkan deteksi sensor, guna mendukung proses pengambilan citra dan konversi tulisan tangan menjadi teks digital.
Gambar 4.
Diagram Sistem Elektrik
54 | JTRM
Deteksi dan Interpretasi Tulisan Tangan Bahasa Indonesia melalui Pemrosesan Citra dan Optical Character Recognition (OCR) Gambar di atas memperlihatkan skema sistem elektrik yang digunakan untuk mengontrol motor, membaca sinyal dari sensor, serta mendeteksi batas akhir pergerakan melalui limit switch.
Dalam skema ini.
Arduino berfungsi sebagai unit kendali utama yang mengatur operasi motor stepper tipe Nema17HS4401 dengan bantuan driver motor TB6560.
Arduino menerima perintah dari pengguna melalui antarmuka website, lalu mengeluarkan sinyal kontrol ke driver motor untuk menggerakkan motor sesuai instruksi.
Selain itu.
Arduino juga bertugas menerima masukan dari sensor inframerah yang digunakan untuk mendeteksi keberadaan objek, serta dari limit switch yang berfungsi sebagai penanda batas jalur gerak motor.
Integrasi antara komponen-komponen ini memungkinkan sistem bekerja secara otomatis dalam mendeteksi objek tulisan tangan, menghentikan motor saat objek ditemukan, dan melanjutkan gerakan setelah proses pengambilan serta konversi gambar selesai.
Penyusunan skema elektrik ini dirancang untuk memastikan komunikasi yang efektif antar perangkat keras, meningkatkan responsivitas sistem, serta menjaga kestabilan selama operasional.
Perancangan Antarmuka Rancangan desain antarmuka sistem monitoring ini dirancang untuk menampilkan beberapa elemen utama yang saling terintegrasi seperti yang terlihat pada Gambar 5.
Elemen tersebut meliputi tampilan real-time dari kamera yang berfungsi untuk memantau posisi dan kondisi objek secara langsung, hasil citra yang diambil melalui proses tangkapan kamera, serta hasil konversi tulisan tangan menjadi teks Setiap elemen disusun dalam satu antarmuka yang intuitif dan mudah diakses, sehingga memudahkan pengguna dalam mengontrol jalannya proses monitoring dan pengolahan data.
Desain ini bertujuan untuk meningkatkan efisiensi pemantauan, memastikan keakuratan pengambilan gambar, serta mempercepat proses verifikasi hasil konversi tulisan tangan secara digital.
Gambar 5.
Mockup antarmuka sistem Implementasi Implementasi Mekanik Implementasi mekanik ditunjukkan pada Gambar 6.
Gambar tersebut memperlihatkan konfigurasi komponen utama, meliputi struktur rangka berbahan aluminium profil, pemasangan kamera, sensor inframerah, serta sistem aktuator yang terintegrasi dengan unit kendali elektronik berbasis Penyusunan komponen dirancang untuk mengoptimalkan stabilitas mekanik, 55 | JTRM Susetyo Bagas Bhaskoro.
Rizqi Aji Pratama.
Shafa Aulia Hazim Darmawan kemudahan integrasi sensorik, serta efektivitas operasional dalam proses deteksi tulisan tangan dan konversi ke format digital.
Gambar 6.
Desain dan implementasi perangkat keras Implementasi Sistem Elektrik Gambar 7 memperlihatkan implementasi dari perancangan sistem elektrik yang terdiri atas beberapa komponen utama, yaitu sensor inframerah, driver motor, motor stepper, dan limit switch.
Seluruh komponen ini dikendalikan oleh mikrokontroler Arduino Uno yang berfungs i sebagai pusat pengolahan sinyal dan kendali sistem.
Arduino menerima input dari sensor dan limit switch, kemudian mengeluarkan perintah ke driver motor untuk mengontrol pergerakan motor stepper sesuai dengan kondisi yang Program yang mengatur operasi komponen elektrik ini dikembangkan menggunakan perangkat lunak Arduino IDE, dengan logika pemrograman yang dirancang untuk mengoptimalk an kecepatan respons dan kestabilan operasi.
Implementasi sistem elektrik ini merupakan bagian penting dalam mendukung fungsi otomasi alat pembaca tulisan tangan.
Gambar 7.
Implementasi sistem elektrik
56 | JTRM
Deteksi dan Interpretasi Tulisan Tangan Bahasa Indonesia melalui Pemrosesan Citra dan Optical Character Recognition (OCR) Implementasi Perangkat Lunak Gambar 8 menunjukkan implementasi dari perancangan antarmuka website yang digunakan untuk memantau hasil penangkapan gambar serta proses konversi tulisan tangan menjadi teks digital.
Antarmuka ini disusun dalam satu halaman utama yang memuat beberapa elemen penting.
Pada bagian atas terdapat tombol Start untuk menginisiasi pergerakan motor.
Di bawahnya, terdapat kontainer monitoring kamera yang menampilkan video real-time dari webcam, serta kontainer Camera Capture yang menampilkan gambar hasil tangkapan.
Selanjutnya, terdapat kontainer hasil konversi yang menampilkan teks digital beserta tingkat akurasi hasil dibandingkan dengan dataset KBBI.
Tiga tombol kontrol, yaitu Capture.
Convert, dan Save, digunakan untuk mengatur alur pengambilan gambar, konversi teks, dan penyimpanan data.
Data yang telah diproses disimpan dalam tabel History, yang mencakup gambar hasil tangkapan, teks digital hasil konversi, dan persentase akurasi.
Gambar 8.
Tampilan antarmuka
HASIL
Pengujian Kinerja Alat Pengujian kinerja alat dilakukan untuk mengevaluasi performa masing-masing komponen yang membentuk sistem pembaca tulisan tangan otomatis.
Beberapa aspek yang diuji meliputi akurasi sensor
57 | JTRM
Susetyo Bagas Bhaskoro.
Rizqi Aji Pratama.
Shafa Aulia Hazim Darmawan dalam mendeteksi keberadaan objek, ketepatan dan kestabilan pergerakan motor, sinkronisasi antara pergerakan motor dan respons sensor, serta kemampuan kamera dalam menangkap citra tulisan tangan secara optimal.
Evaluasi ini bertujuan untuk memastikan bahwa seluruh komponen bekerja secara terkoordinasi, mendukung keberhasilan proses deteksi, pengambilan gambar, hingga konversi tulisan tangan menjadi teks digital.
Gambaran dari tulisan kertas pada penelitian ini adalah satu baris, dua baris dan multi baris.
Gambar 9 menampilkan contoh tulisan sederhana yang akan dideteksi oleh sistem.
Gambar 9.
Contoh Tulisan Tangan yang Dideteksi Selengkapnya tentang pengujian kinerja alat, terlihat pada Tabel 3 berikut ini.
Tabel 3.
Pengujian Kinerja Alat Pengamatan alat Keterangan Sensor 1 mendeteksi keberadaan kertas dan memberikan sinyal untuk menggerakkan Motor 2 menuju arah posisi Sensor 1.
Pada posisi tersebut, kertas dapat tertangkap sepenuhnya dalam bidang pandang kamera, sehingga memungkinkan proses pengambilan gambar berjalan Sensor 2 mendeteksi keberadaan kertas dan mengirimkan sinyal untuk menggerakkan Motor 2 menuju arah posisi Sensor 2.
Pada posisi ini, kertas dapat tertangkap sepenuhnya dalam bidang pandang kamera, sehingga proses pengambilan citra dapat dilakukan dengan optimal.
58 | JTRM
Saat Sensor 1 mendeteksi keberadaan kertas, sistem memberikan perintah kepada Motor 2 untuk bergerak menuju arah posisi Sensor 1.
Setelah motor mencapai posisi tersebut, kertas dapat tertangkap sepenuhnya Kondisi berlangsung secara optimal, sehingga mendukung akurasi dalam tahapan konversi tulisan tangan menjadi teks digital.
Deteksi dan Interpretasi Tulisan Tangan Bahasa Indonesia melalui Pemrosesan Citra dan Optical Character Recognition (OCR) Pengamatan alat Keterangan Ketika Sensor 2 mendeteksi keberadaan kertas, sistem memberikan perintah kepada Motor 2 untuk bergerak menuju arah posisi Sensor 2.
Setelah motor mencapai posisi yang ditentukan, kertas dapat tertangkap sepenuhnya dalam bidang pandang kamera.
Kondisi ini memastikan bahwa proses pengambilan citra dapat dilakukan dengan optimal untuk mendukung akurasi konversi tulisan tangan menjadi teks digital.
Pada saat Sensor 1 mendeteksi keberadaan kertas, sistem memberikan sinyal kepada Motor 2 untuk bergerak menuju arah posisi Sensor 1.
Setelah motor mencapai posisi tersebut, kertas dapat tertangkap sepenuhnya dalam bidang pandang kamera, sehingga memungkinkan proses pengambilan citra berlangsung secara optimal untuk mendukung tahap konversi tulisan tangan menjadi teks digital.
Ketika Sensor 1 mendeteksi keberadaan kertas, sistem mengaktifkan Motor 2 untuk bergerak menuju posisi Sensor 1.
Pada posisi tersebut, kertas berada sepenuhnya dalam bidang pandang kamera, sehingga memungkinkan pengambilan citra dilakukan dengan optimal untuk mendukung proses konversi tulisan tangan ke dalam format teks digital.
Ketika Sensor 2 mendeteksi keberadaan kertas, sistem mengaktifkan Motor 2 untuk bergerak menuju arah posisi Sensor 2.
Pada posisi ini, kertas dapat tertangkap sepenuhnya dalam bidang pandang kamera, sehingga proses pengambilan citra dapat dilakukan secara optimal untuk mendukung tahapan konversi tulisan tangan menjadi teks digital.
Saat Sensor 1 mendeteksi keberadaan kertas, sistem mengirimkan sinyal untuk mengaktifkan Motor 2 agar bergerak menuju arah Sensor 1.
Setelah motor mencapai posisi yang sesuai, kertas dapat tertangkap sepenuhnya dalam bidang pandang kamera, sehingga proses pengambilan citra dapat dilakukan dengan optimal untuk mendukung konversi tulisan tangan ke dalam format teks 59 | JTRM Susetyo Bagas Bhaskoro.
Rizqi Aji Pratama.
Shafa Aulia Hazim Darmawan Pengamatan alat Keterangan Saat Sensor 2 mendeteksi keberadaan kertas, sistem mengirimkan sinyal untuk mengaktifkan Motor 2 agar bergerak menuju arah Sensor 2.
Setelah motor mencapai posisi yang ditentukan, kertas dapat tertangkap sepenuhnya dalam bidang pandang kamera, sehingga proses pengambilan citra dapat dilakukan secara optimal untuk mendukung konversi tulisan tangan menjadi teks Saat Sensor 1 mendeteksi keberadaan kertas, sistem mengaktifkan Motor 2 untuk bergerak menuju arah Sensor 1.
Setelah motor mencapai posisi yang ditentukan, kertas dapat tertangkap sepenuhnya dalam bidang pandang kamera, sehingga proses pengambilan citra dapat dilakukan secara optimal untuk mendukung konversi tulisan tangan menjadi teks digital.
Pengujian Hasil Konversi Pengujian hasil konversi dilakukan untuk mengamati dan mengevaluasi kinerja sistem Optical Character Recognition (OCR) dalam mendeteksi serta membaca tulisan tangan .
Evaluasi ini bertujuan untuk menilai tingkat akurasi hasil konversi dari citra tulisan tangan ke dalam format teks digital.
Tabel 4 berikut menyajikan hasil pengamatan dari proses pengujian konversi yang telah dilakukan.
Tabel 4.
Pengujian Kinerja Alat
60 | JTRM
Pengamatan alat
Hasil OCR dan Akurasi
Deteksi dan Interpretasi Tulisan Tangan Bahasa Indonesia melalui Pemrosesan Citra dan Optical
Character Recognition (OCR) Pengamatan alat
Hasil OCR dan Akurasi
61 | JTRM
Susetyo Bagas Bhaskoro.
Rizqi Aji Pratama.
Shafa Aulia Hazim Darmawan Pengamatan alat Hasil OCR dan Akurasi Ringkasan dari Tabel di atas, seperti yang disajikan pada Tabel 5 berikut ini.
Tabel 5.
Pengujian Kinerja Alat No.
Akurasi
Kata Valid
Kata Tidak Valid
KESIMPULAN
Berdasarkan hasil pengujian yang dilakukan terhadap sepuluh sampel tulisan tangan, sistem OCR yang dikembangkan menunjukkan tingkat akurasi yang bervariasi, dengan nilai berkisar antara 0% hingga Rata-rata akurasi konversi yang diperoleh sebesar 51,70%, dengan akurasi tertinggi tercatat 62 | JTRM Deteksi dan Interpretasi Tulisan Tangan Bahasa Indonesia melalui Pemrosesan Citra dan Optical Character Recognition (OCR) pada pengujian kedelapan sebesar 100%, dan akurasi terendah sebesar 0% pada pengujian keenam.
Jumlah kata valid dan tidak valid yang dihasilkan juga menunjukkan bahwa performa sistem dipengaruhi oleh kualitas tulisan tangan dan kondisi citra hasil tangkapan.
Secara umum, sistem telah mampu menjalankan proses deteksi, pengambilan gambar, serta konversi ke teks digital, meskipun tingkat akurasi masih tergolong moderat.
Oleh karena itu, diperlukan pengembangan lebih lanjut, seperti peningkatan algoritma OCR, optimasi proses prapengolahan citra, dan penyempurnaan dataset validasi untuk mencapai hasil yang lebih akurat dan konsisten.
REFERENSI