implementasi sobel dan k-means clustering pada real time text detection

Putro, Rakadetyo Alif Purnomo (2018) implementasi sobel dan k-means clustering pada real time text detection. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	Text BAB I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (916kB) | Preview
Preview	Text BAB II.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Preview
Preview	Text BAB III.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Preview
Preview	Text DAFTAR PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (840kB) | Preview
	Text BAB IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (2MB)
Preview	Text BAB V.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (831kB) | Preview
Preview	Text HALAMAN AWAL.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (2MB) | Preview
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)

Abstract

Seiring berkembangnya zaman ke arah era digital, komputer dan personal device assistant mulai menggantikan buku tradisional dan koran. Hal ini membuat banyaknya usaha untuk mendigitalisasi buku dan dokumen kertas lainnya. Optical Character Recognition (OCR) adalah proses mengubah alfabet dalam citra digital atau gambar menjadi computer-coded text sehingga dapat diolah oleh komputer. Sistem OCR mampu menangani teks dari citra dengan latar belakang berwarna hitam putih. Namun, apabila OCR diberikan citra dengan latar belakang kompleks, sistem OCR biasanya memiliki hasil yang kurang baik. Diantara metode yang dihasilkan dari penelitian OCR ada beberapa metode image preprocessing seperti operator pendeteksian tepi objek yang dikenal, yaitu metode Sobel. Sementara KMeans Clustering merupakan metode data clustering non hirarki yang mempartisi data ke dalam bentuk satu atau lebih kelompok. Oleh karena itu penelitian ini menggunakan algoritma Sobel dan K-Means Clustering untuk mendeteksi teks secara real time. Algoritma Sobel digunakan untuk memfilter hal yang tidak relevan pada background dan algoritma K-Means digunakan untuk segmentasi antara background dan foreground. Adapun bahasa pemrograman yang digunakan adalah C++ yang dipanggil menggunakan Android Studio (Java). Penelitian menghasilkan aplikasi yang dapat mendeteksi teks dengan kecepatan berkisar antara 2 sampai 4 FPS. Uji coba aplikasi dilakukan pada 20 objek yang memiliki tulisan pada permukaan datar. Uji coba membuktikan algoritma berhasil diimplementasi dan menghasilkan nilai rata-rata recall 71,79%, precision 62,11%, F1 score 64,56%, dan accuracy 64.27%.

Item Type:	Thesis (Bachelor Thesis)
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 006 Special Computer Methods
Divisions:	Faculty of Engineering & Informatics > Informatics
Depositing User:	Administrator UMN Library
Date Deposited:	30 Jan 2019 08:45
Last Modified:	09 May 2023 05:56
URI:	https://kc.umn.ac.id/id/eprint/5068

Actions (login required)

View Item