Presentasi Tugas Akhir “Rancang Bangun Aplikasi Sistem Validasi Data Berkas Beasiswa” Oleh : Artha Pradyta NRP. 5110100109
Jurusan Teknik Informatika Fakultas Teknologi Informasi Institut Teknologi Sepuluh Nopember 2014
Pendahuluan
Latar Belakang
Pengunggahan Berkas Persyaratan Beasiswa
Validasi Berkas Oleh Manusia
sering memicu
• Salah mengenali jenis berkas • Salah mengenali pemilik berkas
back
Terjadinya “Human Error”
Proses Seleksi Pemberian Beasiswa
menyebabkan
Lamanya proses seleksi pemberian beasiswa
• Harus menunggu validasi oleh manusia • Jenis berkas yang divalidasi cukup banyak
next
Tujuan – Membuat sistem yang dapat melakukan validasi jenis berkas dan pemilik berkas yang diunggah oleh mahasiswa. – Mengimplementasikan penerapan algoritma Levenshtein Distance, Longest Common Subsequence, dan Soundex untuk membandingkan data nama pemilik berkas. – Mengimplementasikan penerapan teknologi Optical Character Recognition untuk ekstraksi data dari berkas persyaratan yang diunggah ke dalam sistem.
back
next
Rumusan Permasalahan(1) ▪ Cara memvalidasi data berkas persyaratan beasiswa yang diunggah oleh mahasiswa melalui layanan Web Service.
SI Beasiswa
Sistem Validasi Berkas
Web Service
back
next
Rumusan Permasalahan(2) ▪ Menerapkan metode Optical Character Recognition pada sistem validasi data berkas persyaratan beasiswa untuk mendapatkan kumpulan kata nama beserta kata kunci setiap berkas. rincian iagihan dapat diakses di unn.b1n.co}id informasi hubungi call center : 123 atau hub. pln terdekat : 'ii _ ()();;(3451;j7?;;1 ttd-hart pryment 9820456authorized pt.pos indonesia (persero) ktanggal : 2012-12-15 09:25:05 v t no.resi : 9820456-01/2012/003724 petugas : 68204560& I pembayaran pln pznpsr zona-z' ridpel : 1830901149690 t nama : maryono tarif/daya : r1/2200 vabl/th : des 2012 stand meter : 03868200 * 03896600non subsidi . i rp. t 0rp tag pln : rp. 241.585nurahr ref : l850101850189817720l2l2150925050pln menyatakan struk ini sebagai bukti pembayaran yang san, admin pos : rp. 1.900total bayar : rp. 243.4851 dinnian tanihan danat diakses di nnn.n1n.co.id inform&
back
next
Rumusan Permasalahan(3) ▪ Menerapkan algoritma Levenshtein Distance, Longest Common Subsequence, dan Soundex pada sistem validasi data berkas persyaratan beasiswa untuk melakukan pencocokan kumpulan kata nama. ▪ Menentukan hasil validasi jenis dan nama yang tertera di dalam berkas.
Artha Pradyta
back
Bachruddin
next
Batasan Permasalahan ▪ Studi kasus yang dibahas adalah SI Beasiswa di Perguruan Tinggi X. ▪ Data uji yang digunakan adalah data sekunder (dummy). ▪ Aplikasi ini dibangun dengan menggunakan bahasa pemrograman ASP.NET.
▪ Tingkat keberhasilan validasi tergantung dari kejelasan gambar yang diunggah. ▪ Banyaknya gangguan (noise) pada gambar akan mempengaruhi lamanya proses validasi. ▪ Algoritma pencocokan kumpulan kata yang digunakan adalah algoritma Levenshtein Distance, Longest Common Subsequence, dan Soundex. ▪ Metode untuk pengurangan gangguan pada gambar berupa penambahan skala (rezise), pengubahan ke dalam bentuk skala abu (gray-scale), dan penambahan kontras (contrast). ▪ Aplikasi validasi berkas ini tidak bisa mendeteksi adanya berkas palsu yang dimanipulasi datanya.
back
next
Tinjauan Pustaka
Optical Character Recognition ▪ Merupakan sebuah teknologi konversi dari gambar ke bentuk teks. Teknologi ini biasanya digunakan untuk mengambil data dari berkas-berkas berbentuk gambar seperti dokumen paspor, faktur, laporan bank, kartu nama, dan sebagainya.
▪ Dalam pemrosesan OCR, gambar dianalisis pada daerah terang dan gelap dalam rangka mengidentifikasi setiap huruf abjad maupun angka numeric. Ketika karakter sudah diketahui, maka setiap kata tersebut dirubah ke dalam bentuk ASCII. Dalam hal ini mesin komputer merubah kode ASCII tersebut menjadi berupa karakter maupun angka. ▪ Karena kemampuannya dalam hal ekstraksi data dari gambar inilah, maka teknologi ini digunakan untuk mengambil data-data dari berkas persyaratan beasiswa yang telah diunggah ke sistem seperti surat keterangan miskin, rekening listrik, rekening air dan sebagainya back
next
Algoritma Soundex & Normalisasi String(1) ▪ Algoritma Soundex mengambil masukan berupa sebuah kumpulan kata yang mengidentifikasi apakah sepasang kata tersebut mirip secara fonetik. Fonetik sendiri merupakan ilmu yang menyelidiki bunyi bahasa tanpa melihat fungsi bunyi itu sebagai pembeda makna dalam suatu bahasa. ▪
back
Sebuah kumpulan kata yang berbeda namun mempunyai cara pengucapan yang sama, akan memiliki kode fonetis yang sama. Contohnya adalah “Djono” dan “Jono”.
▪ Algoritma Soundex dibuat berdasarkan pengucapan dalam bahasa Inggris. Untuk mendukung pencocokan kumpulan kata berdasarkan bahasa Indonesia, sekaligus melakukan optimasi terhadap algoritma tersebut, diperlukan suatu proses normalisasi. Salah satu cara untuk proses normalisasi adalah dengan menggunakan aturan translasi q-gram.
Q-Gram Awal KH DJ TJ CQ, CK PH DZ SJ SY BH, DH, GH, JH, SH, TH, ZH V KS OE IE Y
Contoh Translasi Awal HH Rakhmat JJ Endjang CC Itjang KK Erick FF Philip ZZ Dzikri SY Sjahrir SS Syifa BB, DD, GG, Ardhi JJ, SS, TT, ZZ F Saviena XX Wicaksono UU Wahyoedi II Arie I Donny
Translasi Rahhmat Enjjang Iccang Erikk Ffilip Zzikri Syahrir Ssifa Arddi
Safiena Wicaxxono Wahyuudi Arii Donni
next
Algoritma Soundex & Normalisasi String(2) ▪ Berikut ini merupakan langkahlangkah algoritma Soundex dalam menghasilkan kode fonetis dari sebuah kumpulan kata masukan. – Mengubah semua huruf menjadi huruf kapital, dan hilangkan tanda baca. – Mempertahankan huruf pertama pada kata tersebut. – Mengubah huruf lainnya menjadi kode fonetis berdasarkan aturan yang berlaku. – Menghapus semua pasangan dari kode fonetis yang berurutan. – Menghapus semua kode fonetis yang bernilai 0. – Menulis empat posisi pertama yang mengikuti pola:
. Ini merupakan keluaran dari kode fonetis. Jika kode fonetis tidak sampai empat karakter, maka ditambahkan angka 0 sampai menjadi empat karakter.
back
Huruf A,E,H,I,O,U,W,Y B,F,P,V C,G,J,K,Q,S,X,Z D,T L M,N R
Kode 0 1 2 3 4 5 6
Klasifikasi Fonetis Diperlukan sebagai bunyi vokal Labial dan labio-dental Glottal Dental-mute Palatal fricative Labio-nasal dan dental Dental fricative String awal
Jono
Djono
jono
jono
Translasi q-gram
J050
J050
Kode fonetis
next
Algoritma Levenshtein Distance ▪ Levenshtein Distance adalah jumlah minimal operasi yang dibutuhkan untuk mengubah suatu kumpulan kata ke kumpulan kata yang lain. Dengan algoritma ini, dapat diketahui String yang dibandingkan String pembanding tingkat perbedaan dua buah kumpulan kata dalam representasi angka. ▪ Berikut ini operasi yang dilakukan dalam algoritma Levenshtein Distance.
Djono
Jono
Jono
Jono
– Penyisipan (Insertion) ▪ Merupakan proses penyisipan sebuah karakter ke dalam sebuah kumpulan kata tertentu.
Penghapusan
– Penghapusan (Deletion) ▪ Merupakan proses penghapusan sebuah karakter dari sebuah kumpulan kata tertentu.
– Penggantian (Substitution) ▪ Merupakan proses penggantian sebuah karakter dari sebuah kumpulan kata dengan karakter lain.
back
Nilai Levenshtein Distance = 1
next
Algoritma Longest Common Subsequence ▪ Subsequence adalah sebuah rangkaian yang dapat diperoleh dari rangkaian lain dengan cara menghapus beberapa elemen tertentu tanpa mengubah urutan dari elemen lain yang tersisa. Misalkan ada rangkaian X danY, rangkaian S dikatakan sebuah common subsequence dari X danY apabila S adalah subsequence dari keduanya. Longest Common Subsequence (LCS) merupakan common subsequence terpanjang dari seluruh common subsequence. Contohnya adalah sebagai berikut. ▪ X = {M,A,K,A,N}. ▪ Y = {M,A,L,A,M}. ▪ Contoh common subsequence dari X danY adalah S = {M,A,A} dan T = {M,A}. Karena S merupakan subsequence yang lebih panjang, maka longest common subsequence dari X danY adalah S back
next
Web Service ▪ Web Service adalah suatu sistem perangkat lunak yang dirancang untuk mendukung interaksi mesin ke mesin pada suatu jaringan. Sistem lain yang berinteraksi dengan Web Service dilakukan melalui antar muka menggunakan pesan seperti pada SOAP. Pada umumnya pesan ini melalui HTTP dan XML yang merupakan salah satu standar situs web. Perangkat lunak aplikasi yang ditulis dalam berbagai bahasa pemrograman dan berjalan pada berbagai platform dapat menggunakan Web Service untuk pertukaran data pada jaringan komputer seperti Internet dalam cara yang serupa dengan komunikasi antar proses pada komputer tunggal.
▪ Dalam hal ini Web Service digunakan sebagai perantara pertukaran data berkas antara SI Beasiswa dengan aplikasi validasi berkas beasiswa.
back
next
Precision & Recall ▪ Untuk menghitung tingkat performansi suatu sistem yang memiliki kemampuan untuk mendapatkan kembali informasi-informasi tertentu dapat menggunakan perhitungan precision dan recall. ▪ Precision adalah tingkat ketepatan antara informasi yang diminta oleh pengguna dengan jawaban yang diberikan oleh sistem.
▪ Recall adalah tingkat keberhasilan sistem dalam menemukan kembali sebuah informasi. ▪ Secara matematis, rumus untuk menghitung presisi dan recall dapat dilihat pada Persamaan 1 dan Persamaan 2.
𝑟𝑒𝑙𝑒𝑣𝑎𝑛𝑡 𝑖𝑡𝑒𝑚𝑠 𝑟𝑒𝑡𝑟𝑖𝑒𝑣𝑒𝑑 𝑝𝑟𝑒𝑐𝑖𝑠𝑖𝑜𝑛 = 𝑟𝑒𝑡𝑟𝑖𝑒𝑣𝑒𝑑 𝑖𝑡𝑒𝑚𝑠 𝑟𝑒𝑙𝑒𝑣𝑎𝑛𝑡 𝑖𝑡𝑒𝑚𝑠 𝑟𝑒𝑡𝑟𝑖𝑒𝑣𝑒𝑑 𝑟𝑒𝑐𝑎𝑙𝑙 = 𝑟𝑒𝑙𝑒𝑣𝑎𝑛𝑡 𝑖𝑡𝑒𝑚𝑠
back
next
Analisis & Perancangan
Deskripsi Umum Sistem(1) Administrator
Mahasiswa
Pencocokan kumpulan kata Pendeteksian kata kunci berkas nama mahasiswa
Aplikasi Validator
SI Beasiswa
Ekstraksi kumpulan kata
Web Service Berkas Persyaratan Beasiswa SI Beasiswa
back
Optical Character Recognition (OCR) Aplikasi Validasi Berkas
next
Alur Proses Validasi Berkas Sistem Beasiswa
Sistem Validasi Berkas
Mulai Mengirim Data Berkas Yang Akan Divalidasi Melalui Web Service Berupa Data Jenis Berkas, Alamat Url Berkas, Nama Yang Divalidasi
Menerima Permintaan Validasi Berkas Gambar Dengan Ekstensi JPG, JPEG, TIF, GIF, PNG
Melakukan Ekstraksi Informasi Dari Gambar Menggunakan Optical Character Recognition
Terdapat Kata Kunci Berkas
Melakukan Pencarian Kata Kunci Berkas Ya
Tidak
Terdapat Karakter Nama Pemilik Berkas
Ya
Informasi Kegagalan Proses Validasi Berkas
back
Phase
Selesai
Melakukan Pencocokan Karakter Nama Pemilik Berkas Menggunakan Algoritma Longest Common Subsequences
Melakukan Pencarian Karakter Nama Pemilik Berkas
Melakukan Pencocokan Karakter Nama Pemilik Berkas Menggunakan Algoritma Soundex Melakukan Pencocokan Karakter Nama Pemilik Berkas Menggunakan Algoritma Levenshtein Distance
Hasil Validitas Berkas Dalam Bentuk XML
next
Langkah Proses Validasi Berkas Proses Ekstraksi Berkas Gambar Menggunakan Optical Character Recognition
back
Proses Pencocokan Kumpulan Kata Menggunakan Algoritma Longest Common Subsequence
Proses Pengenalan Jenis Berkas
Proses Pencocokan Kumpulan Kata Menggunakan Algoritma Levenshtein Distance
Proses Pencarian Nama Pemilik Berkas
Proses Pencocokan Kumpulan Kata Menggunakan Algoritma Soundex
next
Proses Ekstraksi Berkas Gambar Menggunakan Optical Character Recognition ▪ Proses ekstraksi berkas berupa berkas gambar merupakan tahap awal yang harus dilakukan untuk mendapatkan semua informasi data yang terdapat pada berkas gambar.
Mulai
Berkas gambar
Kumpul an kata
▪ Diperlukan teknologi Optical Character Recognition untuk melakukan ekstraksi informasi pada sebuah gambar.
▪ Proses ekstraksi dengan menggunakan Optical Character Recognition ini menghasilkan sekumpulan kumpulan kata. back
Pencarian baris kumpulan kata yang mengandung nama mahasiswa
Berkas gambar dengan noise yang diminim alisir
Proses ekstraksi berkas gambar
Pengurangan noise dengan teknik resize, gray-scale dan contrast
Baris string ada yang mengandung nama mahasiswa? Ya
Tidak
Simpan dalam variabel nama mahasiswa
Selesai
next
Proses Pengenalan Jenis Berkas Mulai
▪ Proses ini berfungsi untuk mengenali jenis berkas yang diunggah oleh pengguna.
Proses pengambilan kata kunci dari basis data
▪ Proses utama yang dilakukan yaitu mencari kumpulan kata kunci berkas dari basis data, lalu membandingkannya dengan kumpulan kata yang didapat dari hasil ekstraksi.
Terdapat data ekstraksi dan kata kunci
Tidak
▪ Proses pencarian kata kunci berkas ini dilakukan pada setiap baris kumpulan kata yang didapatkan dari ekstraksi Optical Character Recognition. back
Tidak
Data kumpulan kata hasil ekstraksi
Ya
Proses pencarian kata kunci pada kumpulan kata
Terdapat kata kunci pada kumpulan data
Ya
Selesai
Simpan dalam variabel
next
Proses Pencarian Nama Pemilik Berkas ▪ Proses ini berfungsi untuk mengenali nama pemilik berkas yang diunggah oleh pengguna. ▪ Proses utama yang dilakukan yaitu mencari kumpulan kata yang mengandung kata “Nama”, “Nama Lengkap”, dan lain sebagainya dari kumpulan kata yang didapat dari hasil ekstraksi.
▪ Proses pencarian nama pemilik berkas ini dilakukan pada setiap baris kumpulan kata yang didapatkan dari ekstraksi Optical Character Recognition. back
Mulai
Proses pencarian baris kumpulan kata yang mengandung Nama
Terdapat nama dalam sebuah baris kumpulan kata
Tidak Tidak
Data kumpulan kata hasil ekstraksi
Ya
Proses pemisahan data nama dengan data lain
Proses pemisahan berhasil
Ya
Selesai
Simpan dalam variabel
next
Proses Pencocokan Kumpulan Kata Menggunakan Algoritma Soundex ▪ Proses ini mempunyai tugas untuk membandingkan kumpulan kata nama yang didapat dari proses ekstraksi dengan kumpulan kata nama yang ingin dibandingkan berdasarkan nada pengucapan (fonetis) yang dimiliki oleh manusia.
back
▪ Misalkan terdapat dua buah kumpulan kata nama yang dibandingkan yaitu “Bachruddin” dengan “Bahrudin”. Kedua kumpulan kata nama tersebut dianggap mempunyai kode pengucapan yang sama oleh algoritma Soundex.Algoritma ini bisa menjadi solusi dari kemungkinan kesalahan pengejaan nama yang tertera pada berkas yang diunggah oleh mahasiswa.
Mulai Variabel nama mahasiswa yang dibandingkan
Proses perbandingan kode fonetis nama yang dibandingkan
Kode fonetis nama yang dibandingkan
Kode fonetis mempunyai kemiripan?
Proses pengkodean string nama mahasiswa menggunakan algoritma Soundex
Tidak
Ya Simpan dalam variabel nama mahasiswa
Selesai
next
Proses Pencocokan Kumpulan Kata Menggunakan Algoritma Levenshtein Distance ▪ Proses pencocokan kumpulan kata dengan menggunakan algoritma Levenshtein Distance ini mempunyai tugas untuk membandingkan kumpulan kata nama yang didapat dari proses ekstraksi dengan kumpulan kata nama yang ingin dibandingkan berdasarkan perbedaan karakter di antara keduanya. ▪
▪
back
Mulai
Proses pencarian perbedaan karakter string nama mahasiswa menggunakan algoritma Levenshtein Distance
Algoritma Levenshtein Distance sendiri bisa menjadi solusi dari kekurangan algoritma Soundex dimana algoritma ini mempunyai kemampuan untuk mencari jumlah perbedaan karakter antara dua buah kumpulan kata yang dibandingkan.
Jumlah perbedaan karakter yang dibandingkan sangat rendah?
Semakin banyak jumlah karakter yang berbeda, maka bisa diasumsikan jika kedua nama yang dibandingkan memang benar-benar orang berbeda.
Simpan dalam variabel nama mahasiswa
Variabel nama mahasiswa yang dibandingkan
Tidak
Ya
Selesai
next
Proses Pencocokan Kumpulan Kata Menggunakan Algoritma Longest Common Subsequence ▪ Proses pencocokan kumpulan kata dengan menggunakan algoritma Longest Common Subsequence ini mempunyai tugas untuk membandingkan kumpulan kata nama yang didapat dari proses ekstraksi dengan kumpulan kata nama yang ingin dibandingkan berdasarkan jumlah rangkaian karakter terpanjang. ▪ Semakin panjang rangkaian karakter yang didapat dari kedua perbandingan, maka bisa diasumsikan jika kedua nama yang dibandingkan memang benar-benar orang yang sama.
back
Mulai
Proses pencarian rangkaian karakter terpanjang dari string nama mahasiswa menggunakan algoritma Longest Common Subsequences
Rangkaian karakter yang didapat sangat sedikit
Variabel nama mahasiswa yang dibandingkan
Ya
Tidak Simpan dalam variabel nama mahasiswa
Selesai
next
Contoh Proses Validasi
back
next
Contoh Pemakaian Layanan Web Service Validasi Berkas
http://localhost/TA_FileValidation/WebServiceFileValidation.asmx/FileValidation?filetype=Rekening%20List rik&urlimagefile=http://www.alhiraindonesia.com/userfiles/ImageBulan1(1).jpg&nametovalidate=maryono
Pengujian & Evaluasi
Lingkungan Pengujian
back
▪ Prosesor
: Intel Core i5-M430 @ 2,27 GHz (4CPU)
▪ Memori
: 4.00 GB
▪ Jenis Device
: Laptop
▪ Sistem Operasi
: Microsoft Windows 8.1 Enterprise 64 bit
▪ Visual Studio
: Visual Studio 2012
▪ Framework
: ASP.NET 4.5
next
Data Uji Coba Pengujian ▪ Persentase kualitas berkas yang terdapat pada tabel merupakan tingkat kejelasan data pada berkas gambar saat dilakukan pembesaran gambar pada komputer dilihat dari sudut pandang mata manusia. Sedangkan kata kunci berkas dan nama dari berkas yang terdapat pada tabel merupakan data kata kunci dan nama pemilik berkas yang didapatkan dari berkas gambar yang divalidasi dengan menggunakan mata manusia.
back
Nama Berkas Gambar Berkas1
Persentase Kualitas Berkas > 80%
Kata Kunci Berkas
Nama Dari Berkas
Nama Yang Dibandingkan
Validitas Berkas
Ditemukan
Valid
Berkas2
< 60%
Ditemukan
Berkas3
> 80%
Ditemukan
Slamet Slamet Syamsudiman Syamsudiman Nengah Widiada Nengah Widiada Maryono Maryono
Berkas4
< 40%
Ditemukan
Valid
Berkas5
> 70%
Ditemukan
Nengah Widiada Nengah Widiada Machmud Machmud
Valid Valid
Valid
next
Validitas Berkas(1) ▪ Terdapat 3 level keketatan (strictness) dalam proses validasi yaitu: – Rendah (Low) ▪ ▪ ▪ ▪
back
Terdeteksi kata kunci berkas >= 1 Tingkat kemiripan kode Soundex >= 75%. Nilai Levenshtein Distance < 40% dari jumlah kata yang dibandingkan Nilai Longest Common Subsequence > 20% dari jumlah kata yang dibandingkan
next
Validitas Berkas(2) – Sedang (Intermediate) ▪ ▪ ▪ ▪
Terdeteksi kata kunci berkas >= 1 Tingkat kemiripan kode Soundex = 100%. Nilai Levenshtein Distance < 30% dari jumlah kata yang dibandingkan Nilai Longest Common Subsequence > 30% dari jumlah kata yang dibandingkan
– Tinggi (High) ▪ ▪ ▪ ▪
back
Terdeteksi kata kunci berkas >= 1 Tingkat kemiripan kode Soundex = 100%. Nilai Levenshtein Distance < 20% dari jumlah kata yang dibandingkan Nilai Longest Common Subsequence > 40% dari jumlah kata yang dibandingkan
next
Uji Coba Skenario 1
back
next
Uji Coba Skenario 2
Sistem tidak bisa menemukan kata kunci berkas maupun nama pemilik berkas
back
next
Uji Coba Skenario 3
back
next
Uji Coba Skenario 4
Sistem tidak bisa menemukan kata kunci berkas maupun nama pemilik berkas
back
next
Uji Coba Skenario 5
back
next
Daftar Precision dan Recall dari Hasil Pengujian Pencarian Kata Kunci Berkas
Data Uji
Retrieve
Relevant
Relevant Retrieve
Precision
Recall
Berkas1
1
1
1
1
1
Berkas2
0
2
0
1
0
Berkas3
4
5
4
1
0.8
Berkas4
0
6
0
1
0
Berkas5
2
3
2
1
0.67
1
0.494
Average
back
next
Daftar Precision dan Recall dari Hasil Pengujian Pencarian Karakter Nama Pemilik Berkas
Data Uji
Retrieve
Relevant
Relevant Retrieve
Precision
Recall
Berkas1
18
18
18
1
1
Berkas2
17
20
17
1
0.85
Berkas3
7
7
7
1
1
Berkas4
0
14
0
1
0
Berkas5
7
7
7
1
1
1
0.77
Average
back
next
Evaluasi Hasil Validasi
back
Berkas1
Kata kunci ditemukan
Karakter nama ditemukan
Berkas2
Kata kunci tidak ditemukan
Karakter nama ditemukan
Berkas3
Kata kunci ditemukan
Karakter nama ditemukan
Berkas4
Kata kunci tidak ditemukan
Karakter nama tidak ditemukan
Berkas5
Kata kunci ditemukan
Karakter nama ditemukan
disebabkan
Kualitas buruk gambar disebabkan noise berlebihan
next
Kesimpulan & Saran
Kesimpulan ▪ Sistem dapat melakukan validasi berkas persyaratan beasiswa dengan cara mendeteksi kata kunci berkas dan nama pemilik berkas memanfaatkan teknologi Optical Character Recognition. ▪ Hasil validasi berkas tergantung dengan kualitas gambar yang divalidasi. Semakin rendah kualitas gambar, maka kumpulan kata yang didapat dari hasil ekstraksi akan tidak utuh sehingga data kata kunci berkas dan nama pemilik berkas tidak dapat ditemukan. Hal ini ditunjukkan dengan rata-rata nilai recall dari sistem sebesar 0.494 pada pendeteksian kata kunci berkas dan 0.77 pada pendeteksian karakter nama pemilik berkas. ▪ Sistem dapat mendeteksi dengan benar data kata kunci berkas maupun karakter nama pemilik berkas dari berkas yang divalidasi. Hal ini ditunjukkan dengan rata-rata nilai precision sebesar 1. ▪ Sistem dapat digunakan oleh sistem lain dengan menggunakan layanan Web Service validasi berkas. back
next
Saran ▪ Mengembangkan proses pengurangan gangguan pada berkas gambar yang divalidasi guna menambah tingkat keutuhan data yang diperoleh dari hasil ekstraksi Optical Character Recognition.
▪ Menambahkan proses optimasi validasi berkas guna menambah tingkat kecepatan dan ketepatan validasi. ▪ Menambahkan proses pendeteksian berkas gambar palsu yang dimanipulasi datanya.
back
next
Sekian & Terima kasih
Semoga diluluskan… amin…
