RAFLI, MUHAMAD (2026) IMPLEMENTASI YOLOV11 UNTUK OTOMATISASI EKSTRAKSI TEKS PADA DOKUMEN REIMBURSEMENT DI PT SINERGI WAHANA GEMILANG. S1 thesis, Universitas Mercu Buana Jakarta - Menteng.
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (Cover)
41522010152-Muhamad Rafli-01 Cover - MUHAMAD RAFLI.pdf Download (541kB) |
|
Text (Bab 1)
41522010152-Muhamad Rafli-02 Bab 1 - MUHAMAD RAFLI.pdf Restricted to Registered users only Download (98kB) |
|
Text (Bab 2)
41522010152-Muhamad Rafli-03 Bab 2 - MUHAMAD RAFLI.pdf Restricted to Registered users only Download (211kB) |
|
Text (Bab 3)
41522010152-Muhamad Rafli-04 Bab 3 - MUHAMAD RAFLI.pdf Restricted to Registered users only Download (552kB) |
|
Text (Bab 4)
41522010152-Muhamad Rafli-05 Bab 4 - MUHAMAD RAFLI.pdf Restricted to Registered users only Download (855kB) |
|
Text (Bab 5)
41522010152-Muhamad Rafli-06 Bab 5 - MUHAMAD RAFLI.pdf Restricted to Registered users only Download (34kB) |
|
Text (Daftar Pustaka)
41522010152-Muhamad Rafli-08 Daftar Pustaka - MUHAMAD RAFLI.pdf Restricted to Registered users only Download (103kB) |
|
Text (Lampiran)
41522010152-Muhamad Rafli-09 Lampiran - MUHAMAD RAFLI.pdf Restricted to Registered users only Download (1MB) |
Abstract
Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem otomatisasi ekstraksi teks pada dokumen pengajuan reimbursement di PT Sinergi Wahana Gemilang guna menggantikan proses data entry manual yang inefisien. Variabel yang diteliti meliputi akurasi lokalisasi spasial menggunakan algoritma YOLOv11 dan akurasi ekstraksi teks menggunakan Convolutional Recurrent Neural Network (CRNN) pada PaddleOCR. Pengambilan sampel dilakukan menggunakan teknik purposive sampling terhadap 1.500 citra dokumen (1.032 data latih dan 443 data validasi) yang terdiri dari struk kertas termal dan tangkapan layar (screenshot) digital. Metode analisis data dievaluasi menggunakan metrik Mean Average Precision (mAP50) untuk deteksi objek, serta Word Error Rate (WER) dan Character Error Rate (CER) untuk akurasi teks. Hasil penelitian membuktikan bahwa YOLOv11 mencapai performa lokalisasi yang presisi dengan mAP50 sebesar 0.988. Kinerja ekstraksi teks menunjukkan polarisasi yang signifikan; dokumen screenshot digital mencapai akurasi nyaris absolut (galat 0.00% pada kelas To), sedangkan dokumen struk fisik mengalami degradasi akurasi (WER tertinggi 75.00% pada kelas Total) akibat kondisi tightly packed text dan tinta termal yang memudar. Kesimpulan dari penelitian ini menegaskan bahwa kolaborasi YOLOv11 dan PaddleOCR berhasil mengotomatisasi ekstraksi dokumen, dengan kelemahan OCR pada struk fisik yang efektif dimitigasi melalui integrasi konsep human-in-the-loop pada prototipe aplikasi berbasis AppSheet. Kata kunci: Ekstraksi Teks, OCR, PaddleOCR, Reimbursement, YOLOv11
| Item Type: | Thesis (S1) |
|---|---|
| NIM/NIDN Creators: | 41522010152 |
| Uncontrolled Keywords: | Ekstraksi Teks, OCR, PaddleOCR, Reimbursement, YOLOv11 |
| Subjects: | 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum |
| Divisions: | Fakultas Ilmu Komputer > Informatika |
| Depositing User: | CLAUDIA ASTRIANI |
| Date Deposited: | 27 Aug 2026 06:11 |
| Last Modified: | 27 Aug 2026 06:11 |
| URI: | http://repository.mercubuana.ac.id/id/eprint/103454 |
Actions (login required)
 |
View Item |
