RAHARDIAN, Nuansa Syafrie (2025) Implementasi Optical Character Recognition Berbasis Convolutional Neural Network Untuk Ekstraksi Data KTP-El pada Modul Pengisian Data Diri E-Magang Kementerian Luar Negeri. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER_Nuansa Syafrie Rahardian_H1D021083_SKRIPSI_IF_2025.pdf Download (212kB)
	PDF (Legalitas) LEGALITAS_H1D021083_NUANSA RAHARDIAN_SKRIPSI_IF_2025.pdf Restricted to Repository staff only Download (1MB)
	PDF (Abstrak) ABSTRAK_H1D021083_NUANSA RAHARDIAN_SKRIPSI_IF_2025.pdf Download (273kB)
	PDF (BabI) BAB I_H1D021083_NUANSA RAHARDIAN_SKRIPSI_IF_2025.pdf Restricted to Repository staff only until 29 July 2026. Download (280kB)
	PDF (BabII) BAB II_H1D021083_NUANSA RAHARDIAN_SKRIPSI_IF_2025.pdf Restricted to Repository staff only until 29 July 2026. Download (698kB)
	PDF (BabIII) BAB III_H1D021083_NUANSA RAHARDIAN_SKRIPSI_IF_2025.pdf Restricted to Repository staff only until 29 July 2026. Download (763kB)
	PDF (BabIV) BAB IV_H1D021083_NUANSA RAHARDIAN_SKRIPSI_IF_2025.pdf Restricted to Repository staff only Download (3MB)
	PDF (BabV) BAB V_H1D021083_NUANSA RAHARDIAN_SKRIPSI_IF_2025.pdf Download (267kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA_H1D021083_NUANSA RAHARDIAN_SKRIPSI_IF_2025.pdf Download (244kB)

Abstract

Proses pengisian data manual pada platform e-magang Kementerian Luar Negeri yang tidak efisien dan rentan kesalahan diatasi melalui penelitian ini dengan mengembangkan dan mengintegrasikan sistem ekstraksi data otomatis dari KTP elektronik (KTP-el). Sistem ini menggunakan metode Optical Character Recognition (OCR) berbasis Convolutional Neural Network (CNN) yang didahului oleh tahap pra-pemrosesan dan segmentasi citra yang krusial untuk memisahkan baris, kata, dan karakter secara individual. Arsitektur sistem mencakup tiga model CNN yaitu, validasi citra, OCR NIK, dan OCR karakter umum yang diimplementasikan melalui API Flask terhubung dengan backend Laravel dan frontend React. Hasil pengujian menunjukkan performa model yang sangat tinggi, dengan akurasi model validasi KTP 100%, OCR NIK 100%, dan OCR karakter umum 99,95%. Namun, kinerja end-to-end sistem yang mencapai akurasi pembacaan karakter 93,31% membuktikan bahwa kualitas proses segmentasi menjadi faktor penentu utama keberhasilan ekstraksi akhir. Kesimpulannya, sistem ini berhasil meningkatkan efisiensi secara signifikan dengan waktu ekstraksi rata-rata 14,48 detik (lebih dari 50% lebih cepat dari input manual) dan terbukti akurat untuk otomatisasi verifikasi identitas, dengan catatan performa sangat bergantung pada keberhasilan segmentasi citra input.

Actions (login required)

View Item