Perancangan dan Pembuatan Alat untuk Mendeteksi teks Hangul dan Inggris pada Menu Makanan Menggunakan Metode OCR (Optical Character Recognition)

Jacky, Jacky (2019) Perancangan dan Pembuatan Alat untuk Mendeteksi teks Hangul dan Inggris pada Menu Makanan Menggunakan Metode OCR (Optical Character Recognition). Undergraduate thesis, Universitas Internasional Batam.

[img] Text
s-1421023-abstract-en.pdf

Download (821kB)
[img] Text
s-1421023-abstract-id.pdf

Download (815kB)
[img] Text
s-1421023-bibliography.pdf

Download (1MB)
[img] Text
s-1421023-chapter1.pdf

Download (1MB)
[img] Text
s-1421023-chapter2.pdf

Download (2MB)
[img] Text
s-1421023-chapter5.pdf

Download (1MB)
[img] Text
s-1421023-cover-id.pdf

Download (21kB)

Abstract

Bahasa Korea memiliki bentuk karakter yang berbeda dengan huruf alfabet sehingga tidak semua orang bisa membaca karakter huruf Korea. Jumlah Muslim di Korea yang minoritas mengakibatkan pemahaman masyarakat Korea tentang makanan halal sangat minim. Akibatnya, wisatawan manca negara terutama wisatawan Muslim yang datang ke Korea mengalami kesulitan dalam memilih makanan halal. Berdasarkan pada permasalahan tersebut, topik penelitian ini berbasis sistem pengolahan gambar (Image Processing) yang dirancang adalah pendeteksian huruf alfabet dan Hangul (aksara Korea) dengan menggunakan metode OCR (Optical Character Recognition) dan Raspberry Pi sebagai pengolah data sehingga dapat mengenali karakter-karakter huruf Hangul dan alfabet yang sudah tersedia di dalam database. Cara kerja dari sistem ini yaitu pertama membuat database dari data-data makanan dan kata-kata tertentu yang terkait dengan menu makanan. Kemudian dengan menggunakan kamera Pi, scanning terhadap menu makanan dilakukan. Data yang diperoleh akan diolah oleh Raspberry Pi sehingga sistem mampu memdeteksi menu makanan dengan benar. Hasil percobaan menunjukkan bahwa sistem mampu mendeteksi menu makanan dari text localization dengan tingkat akurasi rata-rata adalah 88.333%. Dengan menggunakan 4 jenis font yang berbeda, untuk teks inggris menunjukkan train data OCR masih perlu ditingkatkan. ********************************************************************** Korean language has a different form of characters from the Latin alphabet, as the consequence, not everyone can read Korean characters. The numbers of Muslims in Korea, who are the minority, find it is hard when it comes to distinguish halal and non-halal food. As a result, foreign tourists, especially Muslim tourists who come to Korea, have difficulty in choosing halal food. Based on the problem, the topic of this research is based on the image processing system (Image Processing) that is designed to detect alphabet and Hangul letters (Korean characters) using the OCR (Optical Character Recognition) and Raspberry Pi methods as data processing with the purpose of it can recognize Hangul and alphabet that are already available in the data base. The mechanism of this system is firstly to create a data base of food data and certain words related to food menus. Then, by using the Pi camera, scanning of the food menu is performed. The data obtained will be processed by Raspberry Pi with the purpose of the system will be able to detect food menus correctly. The experimental results showed that the system is able to detect food menus from text localization with an average accuracy rate of 88,333%. By using 4 different font types, the English text shows OCR data train still needs to be improved.

Item Type: Thesis (Undergraduate)
Additional Information: Similarity: 20
Uncontrolled Keywords: Raspberry Pi, OCR (Optical Character Recognition), text localization
Subjects: T Technology > TK Electrical engineering. Electronics. Nuclear engineering
Divisions: School of Industrial Technology > Electrical Engineering
SWORD Depositor: Admin Repository Universitas Internasional Batam
Depositing User: Admin Repository Universitas Internasional Batam
Date Deposited: 17 Oct 2019 13:23
Last Modified: 17 Oct 2019 13:23
URI: http://repository.uib.ac.id/id/eprint/1577

Actions (login required)

View Item View Item