Rancang Bangun Ekstraksi Informasi Kartu Tanda Penduduk Berbasis Raspberry Pi 4 Menggunakan YOLOv8 dan Optical Character Recognition

Manoeroe, Gregorio and Rekyan Regasari Mardi Putri, S.T., M.T. and Wijaya Kurniawan, S.T., M.T., Ph.D. (2025) Rancang Bangun Ekstraksi Informasi Kartu Tanda Penduduk Berbasis Raspberry Pi 4 Menggunakan YOLOv8 dan Optical Character Recognition. Sarjana thesis, Universitas Brawijaya.

Abstract

Berkembangnya transformasi teknologi dewasa ini telah mendorong kebutuhan akan pengelolaan data identitas yang lebih efisien, terutama untuk dokumen seperti Kartu Tanda Penduduk (KTP) yang dimiliki oleh seluruh warga negara Indonesia. Proses pengelolaan secara manual dalam mengelola informasi dari KTP kerap kali memakan waktu yang lama dan rawan terhadap kesalahan manusia. Dalam mengatasi permasalahan tersebut, penelitian ini memiliki fokus untuk merancang sebuah sistem untuk mendeteksi dan mengekstrak informasi yang terdapat pada KTP dengan menggunakan algoritma YOLOv8 dan Optical Character Recognition (OCR) yang diimplementasikan pada perangkat komputasi Raspberry Pi 4. Sistem tersebut akan memanfaatkan algoritma YOLOv8 dan Tesseract OCR untuk mendeteksi area teks pada KTP berupa Nama dan NIK. Hasil dari penelitian tersebut menunjukkan bahwa model YOLOv8 yang dilatih dengan menggunakan data spesifik mampu menghasilkan akurasi rata – rata sebesar 94.07% dalam mendeteksi area pada KTP berupa Nama dan NIK, sementara OCR menghasilkan nilai akurasi rata – rata sebesar 87.06% dalam ekstraksi teks pada jarak optimal 7 cm untuk hasil deteksi yang akurat serta optimal. Selain itu, penggunaan Raspberry Pi 4 sebagai perangkat komputasi dari sistem menunjukkan efisiensi dalam penggunaan daya komputasi dan listrik dengan nilai rata – rata konsumsi daya sebesar 7.9 Watt selama menjalani program utama. Dari pengujian yang dilakukan dan hasil yang diperoleh, maka dapat disimpulkan bahwa sistem dapat berjalan dengan baik untuk melakukan deteksi serta ekstraksi informasi dari KTP yang dimiliki pengguna secara otomatis. Oleh karena itu, sistem diharapkan mampu meningkatkan akurasi dari pengelolaan data identitas secara real-time, sekaligus mengurangi risiko kesalahan manusia.

English Abstract

The development of technological transformation today has driven the need for more efficient identity data management, especially for documents such as Identity Cards (KTP) owned by all Indonesian citizens. The manual process of managing information from KTPs often takes a long time and is prone to human error. In overcoming these problems, this research focuses on designing a system to detect and extract information contained on KTPs using the YOLOv8 algorithm and Optical Character Recognition (OCR) implemented on a Raspberry Pi 4 computing device. The system will utilize the YOLOv8 algorithm and Tesseract OCR to detect text areas on KTPs in the form of Name and NIK. The results of the study show that the YOLOv8 model trained using specific data is able to produce an average accuracy of 94.07% in detecting areas on KTP in the form of Name and NIK, while OCR produces an average accuracy value of 87.06% in text extraction at an optimal distance of 7 cm for accurate and optimal detection results. In addition, the use of Raspberry Pi 4 as the computing device of the system shows efficiency in the use of computing power and electricity with an average value of 7.9 Watts of power consumption during the main program. From the tests carried out and the results obtained, it can be concluded that the system can run well to automatically detect and extract information from the KTP owned by the user. Therefore, the system is expected to improve the accuracy of real-time identity data management, while reducing the risk of human error.

Item Type:	Thesis (Sarjana)
Identification Number:	052515
Uncontrolled Keywords:	Kartu Tanda Penduduk, Computer Vision, Raspberry Pi 4, YOLOv8, Tesseract OCR
Divisions:	Fakultas Ilmu Komputer > Teknik Komputer
Depositing User:	S Sucipto
Date Deposited:	20 Feb 2025 01:58
Last Modified:	20 Feb 2025 01:58
URI:	http://repository.ub.ac.id/id/eprint/237178

Text (DALAM MASA EMBARGO) Gregorio Manoeroe.pdf Restricted to Registered users only Download (4MB)

Actions (login required)

View Item