BAB IV IMPLEMENTASI DAN PENGUJIAN Pada bab ini akan membahas membahas Construction (Konstruksi) dan Transition (Transisi) sesuai dengan tahapan Rational Unified Process (RUP). Bab ini membahas yahap implementasi hingga selesai, selanjutnya akan dilakukan pengujian terhadap sistem yang telah dibuat untuk mengetahui jika adanya kekurangan pada sistem untuk dapat diperbaiki atau dikembangkan. 4.1
Construction (Konstruksi) Tahap Construction (Konstruksi) merupakan tahap pengkodean (coding),
dimana pembuatan sistem dilakukan secara nyata. Pembuatan tersebut tentunya harus mengacu kepada parameter yang telah ditentukan dari fase sebelumnya. Setelah tahap pengkodean, sistem diuji untuk mengetahui tingkat kesalahan pada sistem tersebut. Pada tahap ini terdapat beberapa langkah yang perlu dilakukan untuk pembangunan sistem, yaitu: 4.1.1 Implementation Workflow Pada tahap ini dilakukan pengkodean (coding) terhadap rancanganrancangan
yang
telah
didefinisikan.
Pengkodean
dilakukan
dengan
menggunakan bahasa pemrograman Java. Pada tahap ini diimplementasikan algoritma Nearest Neighbor Interpolation dan algoritma Luminosity untuk untuk hasil OCR yang lebih baik sehingga sesuai dengan perancangan.
47
48
Dalam proses pembuatan aplikasi ini, tentunya membutuhkan perangkat keras (hardware) dan perangkat lunak (software). Di bawah ini akan diuraikan spesifikasi dari perangkat keras dan perangkat lunak yang digunakan pada proses pengelompokkan data penjualan pada tugas akhir ini:. a. Persiapan Perangkat Lunak (software) Perangkat lunak yang digunakan untuk pembuatan aplikasi dalam penelitian ini adalah dengan menggunakan: 1) Sistem Operasi Windows 7 64-Bit Home Premium SP 1 2) StarUML Version 5.0. 3) JDK (Java Development Kit) versi 1.8.0_101, SDK (Software Developmenet Kit) untuk Windows 4) Android NDK (Native Development Kit) versi 13.0 5) Android Studio versi 2.2.2. 6) Balsamiq Mockups versi 3.4.1. 7) Sistem Operasi Android Lollipop b. Persiapan Perangkat Keras (hardware) Kebutuhan perangkat keras yang diperlukan untuk implementasi pengembangan aplikasi: a) Laptop Acer Aspire 4750 dengan Processor Intel® Core™ i32310M CPU @ 2.10GHz. b) Harddisk 500 GB. c) RAM 4 MB. d) Monitor, Keyboard, dan Mouse sebagai peralatan antarmuka.
49
e) Smartphone Android Samsung dengan model SM-J200G 4.1.2 Implementasi Algoritma Nearest Neighbor Interpolation Pada tahap ini akan dilakukan implementasi Algoritma Nearest Neighbor Interpolation pada aplikasi ke dalam kode program yang dapat dilihat pada Gambar 4.1 berikut: public static Bitmap NearestNeighborI(Bitmap bitmap){ Bitmap bmp = bitmap.copy(Bitmap.Config.ARGB_8888, true); int scale = 5; int imgWidth = bmp.getWidth(); int imgHeight = bmp.getHeight(); int scaleImgWidth = bmp.getWidth()*scale; int scaleImgHeight = bmp.getHeight()*scale; //Initialize the intArray with the same size as the number of pixels on the image int[] intArray = new int[imgWidth*imgHeight]; //copy pixel data from the Bitmap into the 'intArray' array bmp.getPixels(intArray, 0, bmp.getWidth(), 0, 0, imgWidth, imgHeight); // int[] resize = resizePixels(intArray, imgWidth, imgHeight, (imgWidth*2), (imgHeight*2)); int[] resize = new int[scaleImgWidth*scaleImgHeight]; double x_ratio = imgWidth/(double)scaleImgWidth; double y_ratio = imgHeight/(double)scaleImgHeight; double px, py; for (int i=0;i<scaleImgHeight;i++) { for (int j=0;j<scaleImgWidth;j++) { px = Math.floor(j*x_ratio); py = Math.floor(i*y_ratio); resize[(i*scaleImgWidth)+j] = intArray[(int)((py*imgWidth)+px)]; } } return Bitmap.createBitmap(resize, scaleImgWidth, scaleImgHeight, Bitmap.Config.ARGB_8888); }
Gambar 4. 1 Source Code implementasi Algoritma Nearest Neighbor Interpolation Pada Android Pada perangkat Android implemntasi Algoritma Nearest Neighbor Interpolation menggunakan data int array. Pertama tetukan skala untuk memperbesar gambar dengan tipe data int dengan nama scale. Lalu dapatkan
50
panjang dan lebar dalam bentuk int dan diberi nama imgWidth dan imgHeight. Setelah itu inisialisasi skala yang akan dibuat dengan mengkalikan skala dengan pajang dan lebar gambar asli dalam bentuk int dan diberi nama scaleImgWidth dan scaleImgHeight. Lalu buat int Array dengan panjang Array samadengan panjang dikali lebar gambar asli dan beri nama intArray. Setelah itu masukan pixel warna dari gambar asli ke intArray dengan metode getPixels(). Setelah mendapatkan pixel dari gambar asli lalu masukan ke algoritma Nearest Neighbor Interpolation. Dan gambar dibuat dengan metode createBitmap() setelah mendapatkan nilai dari algoritma Nearest Neighbor Interpolation. Perbandingan gambar sebelum dan setelah dilakukan algoritma Nearest Neighbor Interpolation dapat dilihat pada Gambar 4.2 berikut:
Gambar 4. 2 Perbandingan gambar sebelum dan setelah dilakukan algoritma Nearest Neighbor Interpolation 4.1.3 Implementasi Algoritma Luminosity Pada tahap ini akan dilakukan implementasi Algoritma Luminosity pada aplikasi ke dalam kode program yang dapat dilihat pada Gambar 4.3 berikut:
51
public static Bitmap getLuminosity(Bitmap img){ Bitmap bmap = img.copy(Bitmap.Config.ARGB_8888, true); for (int i = 0; i < bmap.getWidth(); i++) { for (int j = 0; j < bmap.getHeight(); j++) { // get one pixel color int pixel = img.getPixel(i, j); // retrieve color of all channels int A = Color.alpha(pixel); int R = Color.red(pixel); int G = Color.green(pixel); int B = Color.blue(pixel); // take conversion up to one single value R = G = B = (int)(0.299 * R + 0.587 * G + 0.114 * B); // set new pixel color to output bitmap bmap.setPixel(i, j, Color.argb(A, R, G, B)); } } return bmap.copy(Bitmap.Config.ARGB_8888, true); }
Gambar 4. 3 Source Code implementasi Algoritma Luminosity Pada Android Pada tahap ini pertama gambar disalin terlebih dahulu dengan metode copy() dengan tipe data Bitmap dengan nama bmap. Setelah itu melakukan pengulangan pada setiap lebar dan panjang gambar. Lalu dapatkan pixel gambar degan metode getPixel() ke tipe data int dengan nama pixel. Dapatkan warna alfa, merah, hijau, dan biru dari pixel dengan menggunakan metode Color.alpha(), Color.red(), Color.green(), dan Color.blue() dengan nama masing-masing yaitu A, R, G, B dan tipe data int. Ubah warna merah, hijau dan biru
dengan
mengkalikan
dengan
rumus
Luminosity
yaitu
dengan
menggkalikan dengan 0.299 pada merah, 0.587 pada gijau dan 0.114 pada biru, lalu jumlahkan. Masukan kembali pixel yang tadi telah diubah dengan metode setPixel(). Dan salin gambar hasil Algoritma Luminosity dengan dengan metode copy(). Perbandingan gambar awal sebelum dan setelah dilakukan algoritma Luminosity dapat dilihat pada Gambar 4.4 berikut:
52
Gambar 4. 4 Perbandingan gambar awal sebelum dan setelah dilakukan algoritma Luminosity 4.2 Implementasi Antarmuka Berikut adalah implementasi antarmuka pada aplikasi yang dibangun.
Gambar 4. 5 Tampilan Antarmuka Menu Utama Tampilan antarmuka menu utama pada Gambar 4.5 terdapat tombol foto, auto focus, dan pemilihan bahasa untuk pembacaan citra.
53
Gambar 4. 6 Tampilan Antarmuka Memproses Gambar Tampilan antarmuka memproses gambar pada Gambar 4.6 menampilkan progress bar.
Gambar 4. 7 Tampilan Antarmuka Hasil OCR
54
Tampilan antarmuka hasil OCR pada Gambar 4.7 menampilkan perbandingan hasil OCR original dengan OCR yang telah dilakukan modifikasi. 4.3
Pengujian Sistem (Test Workflow) Pengujian black-box dilakukan untuk menguji apakah sistem yang
dikembangkan sesuai dengan spesifikasi fungsional sistem yang telah dirancang sebelumnya. Pengujian black-box dilakukan setelah proses pembuatan aplikasi selesai dan sebelum aplikasi didistribusikan kepada pengguna. Dibawah ini adalah hasil pengujian dengan metode black-box yang dilakukan pada lingkungan pengembang. 4.3.1 Pengujian Antarmuka 4.3.1.1 Uji Antarmuka Menu Utama Dilakukan beberapa pengujian pada atarmuka menu utama, yang dicantumkan dalam Tabel 4.1 berikut: Tabel 4. 1 Uji Halaman Menu Utama Hasil Skenario
Keterangan Berhasil
Klik tombol √ foto Klik tombol √ auto focus Klik tulisan √ bahasa
Gagal Berhasil Mengambil Gambar Berhasil Memfokuskan Gambar Berhasil mengganti bahasa
55
4.3.1.2 Uji Antarmuka Memproses Gambar Dilakukan beberapa pengujian pada atarmuka memproses gambar, yang dicantumkan dalam Tabel 4.2 berikut: Tabel 4. 2 Uji Antarmuka Memproses Gambar Hasil Skenario
Keterangan Berhasil
Menampilkan progressbar
Gagal
√
Berhasil menampilkan progressbar sebagai proses pembacaan karakter
4.3.1.3 Uji Antarmuka Hasil OCR Dilakukan beberapa pengujian pada atarmuka hasil OCR, yang dicantumkan dalam Tabel 4.3 berikut: Tabel 4. 3 Uji Antarmuka Hasil OCR Hasil Skenario
Keterangan Berhasil
Menampilkan √ hasil OCR yang original Menampilkan √ hasil OCR yang Modifikasi Menampilkan √ gambar hasil foto
Gagal Berhasil menampilkan hasil OCR yang original berupa teks Berhasil menampilkan hasil OCR yang modifikasi berupa teks Berhasil menampilkan gambar hasil foto
56
4.3.2 Pengujian Sistem Dalam pengujian ini dilakukan untuk mengukur keakuratan dan membandingkan hasil yang telah melalui proses modifikasi dengan proses yang langsung. Pada tiap pengujian akan dilakukan analisis untuk mengetahui pengaruh gambar yang diuji terhadap hasil pengenalan teks oleh engine Tesseract. Dalam pengujian ini, gambar diperoleh dari hasil foto secara langsung. Jenis font yang diuji adalah Arial dengan ukuran 26 untuk karakter Latin dan ukuran 48 untuk karakter Arab. Gambar yang diuji difoto dengan jarak dan hasil pemotongan yang berbeda. Pada pengujian karakter Latin pertama mengambil foto dengan jarak sekitar 15cm dari gambar dan pada pengujian kedua mengambil foto dengan jarak sekitar 25cm dari gambar. Sedangkan pada pengujian karakter Arab pertama mengambil foto dengan jarak sekitar 10cm dari gambar, pada pengujian kedua mengambil foto dengan jarak sekitar 20cm dari gambar, dan pada pengujian ketiga mengambil foto dengan jarak sekitar 30cm dari gambar. Pada setiap jarak pengambilan foto diuji sebanyak tujuh kali dengan hasil pemotongan yang berbeda-beda. Berikut adalah penjelasan pengujian tujuh kali pada satu gambar yang diiuji: 1) Pengujian pertama dilakukan dengan memotong gambar dengan panjang dan lebar pas dengan karakter uji. 2) Pengujian kedua dilakukan dengan memotong gambar dengan panjang pas dengan karakter uji dan lebar diberi ruang kosong.
57
3) Pengujian ketiga dilakukan dengan memotong gambar dengan panjang diberi ruang kosong dan lebar pas dengan karakter uji. 4) Pengujian keempat dilakukan dengan memotong gambar dengan panjang dan lebar sedikit diberi ruang kosong dengan karakter uji. 5) Pengujian kelima dilakukan dengan memotong gambar dengan panjang sedikit diberi ruang kosong dengan karakter uji dan lebar diberi ruang kosong. 6) Pengujian enam dilakukan dengan memotong gambar dengan panjang diberi ruang kosong dan lebar sedikit diberi ruang kosong dengan karakter uji. 7) Pengujian tujuh dilakukan dengan memotong gambar dengan panjang dan lebar diberi ruang kosong dengan karakter uji. Untuk lebih jelas dapat dilihat pada Gambar 4.8 berikut:
58
Gambar 4. 8 Pengujian Karakter Pada hasil pengujian dibagi menjadi tiga yaitu terbaca dengan tepat, terbaca dengan kurang tepat, dan jauh dengan karater yang diuji atau tidak terbaca. Pengujian ini ditujukan untuk mengetahui pengaruh hasil modifikasi pada engine Tesseract terhadap hasil pengolahan gambar pada hasil terjemahan. 4.3.2.1 Pengujian Karakter Latin Pada pengujian karakter Latin diuji sebanyak 5 gambar dengan dengan jarak pengambilan gambar 15cm dan 25 cm. pada masing gambar diuji sebanyak tujuh kali. Untuk akurasi dapat dihitung dengan rumus berikut:
59
Hasil uji pada karakter Latin dengan jarak pengambilan gambar 15cm dapat dilihat pada Tabel 4.4 berikut: Tabel 4. 4 Pengujian karakter Latin dengan jarak pengambilan gambar 15cm Hasil Original
Pengujian
Terbaca 1 2 3 4 5 6 7 Jumlah Akurasi
3 3 4 3 3 3 3 22 62,85%
Sebagian Terbaca 2 2 1 2 2 2 2 13 37,15%
Modifikasi
Tidak Terbaca 0 0 0 0 0 0 0 0 0%
Terbaca 4 4 4 4 5 3 4 28 80%
Sebagian Terbaca 1 1 1 1 0 2 1 7 20%
Tidak Terbaca 0 0 0 0 0 0 0 0 0%
Hasil uji pada karakter Latin dengan jarak pengambilan gambar 25cm dapat dilihat pada Tabel 4.5 berikut: Tabel 4. 5 Pengujian karakter Latin dengan jarak pengambilan gambar 25cm Hasil Pengujian
1 2 3 4 5
Original
Sebagian Terbaca Terbaca 0 1 0 0 0 1 0 1 0 1
Modifikasi
Tidak Terbaca 4 5 4 4 4
Terbaca 2 1 2 0 1
Sebagian Terbaca 2 2 2 3 3
Tidak Terbaca 1 2 1 2 1
60
Tabel 4. 5 Pengujian karakter Latin dengan jarak pengambilan gambar 25cm (lanjutan) 6 7 Jumlah Akurasi
0 0 0 0%
0 0 4 11,43%
5 5 31 88,57%
1 1 9 22,86%
3 3 18 51,43%
1 1 9 25,71%
Dari hasil uji pada karakter Latin didapat nilai akurasi rata-rata yang dapat dilihat pada tabel 4.6 berikut: Tabel 4. 6 Hasil kengujian karakter Latin Hasil Jarak Pengujian
15 cm 25 cm Akurasi
Original
Terbaca 62,85% 0% 31,43%
Sebagian Terbaca 37,15% 11.43% 37,15%
Modifikasi
Tidak Terbaca Terbaca 0% 80% 88,57% 22,86% 44,29% 51,43%
Sebagian Terbaca 20% 51,43% 35,72%
Tidak Terbaca 0% 25,71% 12,86%
Dari hasil ujicoba dapat diketahui bahwa sebagian besar aplikasi yang dibangun mampu mengenali gambar teks dengan baik dan mengalamai peningkatan ketika dilakukan modifikasi. Pada pengjujian karakter Latin dengan jarak pengambilan 15cm didapat hasil untuk yang original 62,85% Terbaca dengan baik, 37,15% sebagian karakter terbaca dan 0% jauh dengan karater yang diuji atau tidak terbaca. Sedangkan untuk hasil modifikasi 80% Terbaca dengan baik, 20% sebagian karakter terbaca dan 0% jauh dengan karater yang diuji atau tidak terbaca. Dan pada pengujian ke lima hasil modifikasi
61
didapat hasil yang optimal yaitu lima gambar hasil uji terbaca dari lima kali percobaan. Sedangkan pada pengjujian karakter Latin dengan jarak pengambilan 25cm didapat hasil untuk yang original 0% Terbaca dengan baik, 11,43% sebagian karakter terbaca dan 88,57% jauh dengan karater yang diuji atau tidak terbaca. Sedangkan untuk hasil modifikasi 22,86% Terbaca dengan baik, 51,43% sebagian karakter terbaca dan 25,71% jauh dengan karater yang diuji atau tidak terbaca. Dan pada pengujian ke pertama dan kedua hasil modifikasi didapat hasil yang optimal yaitu dua gambar hasil uji terbaca, dua gambar hasil uji sebagian terbaca dan satu gambar hasil uji jauh dengan karater yang diuji atau tidak terbaca dari lima kali percobaan. Pada karakter Latin dengan font berjenis Arial yang berukuran 26, dari 5 gambar dengan perbandingan dua jarak dan tujuh pengujian dengan pemotongan yang berbeda-beda didapat hasil yang optimal yaitu engine Tesseract hasil modifikasi dengan jarak pemotretan 15cm dengan pemotongan panjang sedikit diberi ruang kosong dengan karakter uji dan lebar diberi ruang kosong dengan karakter uji. Dari pengujian dua jarak yang berbeda engine Tesseract hasil modifikasi mengalami peningkatan pada akurasi. Pada engine Tesseract original karakter yang terhaca 31,43%, sebagian terbaca 37,15% dan tidak terbaca sebanyak 51,43%. Sedankan pada engine Tesseract hasil
62
modifikasi karakter yang terhaca 51,43%, sebagian terbaca 37,72% dan tidak terbaca sebanyak 12,86%. Sehingga engine Tesseract yang telah dimodifikasi menghasilkan pengingkatan akurasi sebanyak 20%. 4.3.2.2 Pengujian Karakter Arab Pada pengujian karakter Arab diuji sebanyak 10 gambar dengan 10 kata pertama
Asmaa'ul husna dengan dengan jarak pengambilan
gambar 30cm, 20cm dan 10cm. pada masing gambar diuji sebanyak tujuh kali. Untuk akurasi dapat dihitung dengan rumus berikut:
Hasil uji pada karakter Arab dengan jarak pengambilan gambar 10cm dapat dilihat pada Tabel 4.7 berikut: Tabel 4. 7 Pengujian karakter Arab dengan jarak pengambilan gambar 10cm Hasil Pengujian
1 2 3 4 5 6 7 Jumlah Akurasi
Original
Sebagian Terbaca Terbaca 3 1 6 1 2 2 3 3 5 1 4 2 4 1 27 11 38,57% 15,72%
Modifikasi
Tidak Terbaca 6 3 6 4 4 4 5 32 45,71%
Terbaca 4 2 3 1 3 3 2 18 25,71%
Sebagian Terbaca 2 2 1 2 2 1 3 13 18,57%
Tidak Terbaca 4 6 6 7 5 6 5 38 55,72%
63
Hasil uji pada karakter Arab dengan jarak pengambilan gambar 20cm dapat dilihat pada Tabel 4.8 berikut: Tabel 4. 8 Pengujian karakter Arab dengan jarak pengambilan gambar 20cm Hasil Pengujian
1 2 3 4 5 6 7 Jumlah Akurasi
Original
Sebagian Terbaca Terbaca 2 0 5 0 2 3 5 2 5 2 3 3 3 3 25 13 35,72% 18,57%
Modifikasi
Tidak Terbaca 8 5 5 3 3 4 4 32 45,71%
Terbaca 3 4 5 8 6 4 3 33 47,15%
Sebagian Terbaca 1 2 0 0 2 1 1 7 10%
Tidak Terbaca 6 4 5 2 2 5 6 30 42,85%
Hasil uji pada karakter Arab dengan jarak pengambilan gambar 130cm dapat dilihat pada Tabel 4.9 berikut: Tabel 4. 9 Pengujian karakter Arab dengan jarak pengambilan gambar 30cm Hasil Original
Pengujian
Terbaca 1 2 3 4 5 6 7 Jumlah Akurasi
1 1 2 4 4 4 3 19 27,15%
Sebagian Terbaca 0 1 1 3 2 1 1 9 12,85%
Modifikasi
Tidak Terbaca 9 8 7 3 4 5 6 42 60%
Terbaca 4 5 6 6 4 5 4 34 48,57%
Sebagian Terbaca 1 2 1 1 3 2 2 12 17,14%
Tidak Terbaca 5 3 3 3 3 3 4 24 34,29%
64
Dari hasil uji pada karakter Aatin didapat nilai akurasi rata-rata yang dapat dilihat pada tabel 4.10 berikut: Tabel 4. 10 Hasil kengujian karakter Arab Hasil Jarak Pengujian
10 cm 20 cm 30 cm Akurasi
Original
Terbaca 38,57% 35,72% 27,15% 33,81%
Sebagian Terbaca 15,72% 18,57% 12,85% 15,71%
Modifikasi
Tidak Terbaca 45,71% 45,71% 60% 50,47%
Terbaca 25,71% 47,15% 48,57% 40,48%
Sebagian Terbaca 18,57% 10% 17,14% 15,24%
Tidak Terbaca 55,72% 42,85% 34,29% 44,29%
Dari hasil uji dapat diketahui bahwa untuk karakter Arab hasilnya bervariatif. Pada pengjujian karakter Latin dengan jarak pengambilan 10cm didapat hasil untuk yang original 38,57% Terbaca dengan baik, 15,72% sebagian karakter terbaca dan 45,71% jauh dengan karater yang diuji atau tidak terbaca. Sedangkan untuk hasil modifikasi 25,71% Terbaca dengan baik, 18,57% sebagian karakter terbaca dan 55,72% jauh dengan karater yang diuji atau tidak terbaca. Dan pada pengujian ke dua hasil original didapat hasil yang optimal yaitu 6 gambar hasil uji terbaca, 1 gambar hasil uji sebagian terbaca dan 3 gambar hasil uji jauh dengan karater yang diuji atau tidak terbaca dari 10 kali percobaan. Pada pengjujian karakter Arab dengan jarak pengambilan 20cm didapat hasil untuk yang original 35,72% Terbaca dengan baik, 18,57% sebagian karakter terbaca dan 45,71% jauh dengan karater yang diuji atau tidak terbaca. Sedangkan untuk hasil modifikasi 47,15% Terbaca dengan
65
baik, 10% sebagian karakter terbaca dan 42,85% jauh dengan karater yang diuji atau tidak terbaca. Dan pada pengujian keempat hasil modifikasi didapat hasil yang optimal yaitu 8 gambar hasil uji terbaca dan 2 gambar hasil uji jauh dengan karater yang diuji atau tidak terbaca dari 10 kali percobaan. Pada pengjujian karakter Arab dengan jarak pengambilan 30cm didapat hasil untuk yang original 27,15% Terbaca dengan baik, 12,85% sebagian karakter terbaca dan 60% jauh dengan karater yang diuji atau tidak terbaca. Sedangkan untuk hasil modifikasi 48,57% Terbaca dengan baik, 17,14% sebagian karakter terbaca dan 34,29% jauh dengan karater yang diuji atau tidak terbaca. Dan pada pengujian ketiga dan keempat hasil modifikasi didapat hasil yang optimal yaitu 6 gambar hasil uji terbaca, 1 gambar hasil uji sebagian terbaca dan 3 gambar hasil uji jauh dengan karater yang diuji atau tidak terbaca dari 10 kali percobaan. Pada karakter Arab dengan font berjenis Arial yang berukuran 48, dari dari 10 gambar dengan perbandingan tiga jarak dan tujuh pengujian dengan pemotongan yang berbeda-beda didapat hasil yang optimal yaitu engine Tesseract hasil modifikasi dengan jarak pemotretan 20cm dan pemotongan gambar dengan panjang dan lebar sedikit diberi ruang kosong dengan karakter uji. Dari pengujian tiga jarak yang berbeda engine Tesseract hasil modifikasi mengalami peningkatan pada akurasi. Pada engine Tesseract
66
original karakter yang terhaca 33,81%, sebagian terbaca 15,71% dan tidak terbaca sebanyak 50,47%. Sedankan pada engine Tesseract hasil modifikasi karakter yang terhaca 40,48%, sebagian terbaca 15,24% dan tidak terbaca sebanyak 44,29%. Sehingga engine Tesseract yang telah dimodifikasi menghasilkan pengingkatan akurasi sebanyak 6,67%. 4.4
Transition (Transisi) Dengan selesainya tahap ini maka berakhirlah proses pembangunan sistem
ini. Peluncuran sistem, sosialisasi dan implementasi dilakukan ditahap ini dan selanjutnya diserahkan kepada developer yang ingin mengembangkan aplikasi ini.
