EKSTRAKSI NIK CITRA E-KTP MENGGUNAKAN METODE CONVOLUTION NEURAL NETWORK DENGAN DATASET MNIST DIGIT

Helmani, Yusda (2023) EKSTRAKSI NIK CITRA E-KTP MENGGUNAKAN METODE CONVOLUTION NEURAL NETWORK DENGAN DATASET MNIST DIGIT. S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

Text (THESIS) 21.55.1061 Yusda Helmani.pdf Download (3MB)

Abstract

Ekstraksi Nomor Induk Kependudukan (NIK) dari Kartu Tanda Penduduk (KTP) merupakan tugas penting dalam berbagai tujuan identifikasi. Penggunaan Covolution Neural Network (CNN) dalam pengenalan citra telah menunjukan hasil yang menjanjikan dalam beberapa tahun terakhir, termasuk dalam ekstraksi teks dari citra. Dalampenelitian ini bertujuan untuk mengevaluasi keefektifan metode CNN dalam melakukan ekstraksi NIK pada citra e-KTP. Metode yang diusulkan melibatkan model CNN untuk mempelajari fitur-fitur Angka dari Dataset MNIST Digit yang terdiri dari gambar digit 0-9 yang diolah untuk merepresentasikan digit pada citra E-KTP. Hasil penelitian menunjukan bahwa metode CNN efektif dalam melakukan dalam mengekstraksi NIK pada citra e-KTP dengan tingkat akurasi yang tinggi dengan nilai test loss sebesar 0.01%, nilai test score sebesar 99.59% dan error sebesar 0.41%. Berdasarkan hasil dari evaluasi metode CNN dapat diimplementasikan sebagai sarana untuk ekstraksi NIK pada citra e-KTP terlihat hasil pembacaan angka mendapatkan tingkat akurasi sebesar 96.91% dengan 10 sampel citra e-KTP berwarna sedangkan tingkat akurasi untuk e-KTP fotocopy mendapatkan nilai akurasi sebesar 93.25%. Implikasi dari penelitian ini adalah dapat digunakan sebagai solusi untuk mempermudah proses verifikasi identitas dan validasi data. Secara keseluruhan, pendekatan berbasis CNN untuk ekstraksi NIK dari citra e-KTP dengan dataset MNIST Digit menjunjukan hasil yang menjanjikan dan dapat diterapkan pada berbagai tujuan idenntifikasi. Penelitian lebih lanjut dapat dilakukan untuk memperluas dataset seperti MNIST Alfabet untuk melakukan ekstraksi keseluruhan citra e-KTP dan mengoptimalkan parameter-parameter model CNN untuk kinerja yang lebih baik.

Actions (login required)

View Item