<![CDATA[Optical Character Recognition (OCR) adalah proses untuk mencari dan mengenali karakter dalam sebuah gambar dan kemudian mengekstrak karakter tersebut sehingga menjadi karakter digital (editable character). Dalam penelitian ini, akan merancang sebuah sistem untuk mengenali kata bahasa Indonesia dalam sebuah gambar / citra. Penelitian ini akan melalui beberapa tahapan, dimulai dari tahap praproses citra, kemudian tahap segmentasi karakter pada citra dengan menggunakan algoritma Connected Component Analysis (CCA) lalu dilanjutkan ke tahap mengklasifikasikan karakter tersebut dengan menggunakan metode Convolutional Neural Network (CNN). Setelah itu, akan dilakukan penggabungan karakter menjadi sebuah kata. Penelitian ini menggunakan data alfabet yang digunakan untuk melatih model CNN, dan data citra teks bahasa Indonesia untuk diklasifikasi oleh model. Hasil yang didapat yaitu akurasi klasifikasi alfabet sebesar 97%, kemudian untuk klasifikasi kata didapat akurasi sebesar 34,54%. Akurasi pada klasifikasi kata ini dipengaruhi oleh praproses citra yang dilakukan sebelumnya, hasil dari praproses tersebut banyak citra yang mengalami kegagalan sehingga salah saat diklasifikasi. Kegagalan praproses disini yaitu seperti citra yang blur atau rusak sehingga salah diklasifikasi dan juga bisa salah disegmentasi, kemudian terdapat citra teks yang mengandung huruf “i†dan “j†yang dianggap sebagai 2 karakter berbeda.]]>
