Implementasi OCR Menggunakan Asprise dan Metode LSTM untuk Pengkategorian Item pada Setruk Belanja

Implementasi OCR Menggunakan Asprise dan Metode LSTM untuk Pengkategorian Item pada Setruk Belanja

Optical Character Recognition (OCR), Asprise, Long Short-Term Memory (LSTM), setruk belanja, klasifikasi otomatis.

Pencatatan transaksi yang dilakukan secara manual akan memakan waktu dan berpotensi
terjadi kesalahan. Tujuan penelitian adalah merancang sistem yang mampu memindai nama
barang pada setruk belanja dengan menggunakan Asprise OCR untuk pemindaian teks dari
setruk belanja dan model NLP berbasis LSTM untuk mengklasifikasi nama barang belanja ke
dalam enam kategori utama: makanan dan minuman, alat tulis kantor (ATK), pakaian, obatobatan, peralatan mandi, dan jika tidak ada kategori yang cocok akan masuk ke dalam
kategori lainnya. Metode penelitian ini meliputi pengumpulan data yang berupa setruk belanja
dan katalog nama barang, preprocessing teks (case folding, tokenisasi, dan pre-padding),
pelatihan model LSTM, serta evaluasi performa dengan metrik akurasi, presisi, recall, dan F1-
score. Data yang digunakan dalam penelitian ini adalah 10041 nama barang beserta
kategorinya dan 100 gambar setruk belanja yang memiliki layout yang berbeda-beda. Hasil
pengujian menunjukkan sistem mampu mengenali teks dengan baik melalui OCR dan
mencapai tingkat akurasi yang tinggi yaitu 86%, presisi 92%, recall 86%, F1-score 88%
dalam melakukan klasifikasi item berdasarkan kategori yang telah ditentukan. Hasil penelitian
ini menunjukkan bahwa integrasi Asprise OCR dan model LSTM efektif untuk otomatisasi
pencatatan keuangan pribadi, dan diharapkan sistem ini dapat diimplementasikan dalam
aplikasi manajemen keuangan untuk meningkatkan efisiensi dan akurasi.

Muhammad Jibril Averroes, Dian Eka Ratnawati, Rizal Setya Perdana

https://just-si.ub.ac.id/index.php/just-si/id/article/view/716

Universitas Brawijaya

2025-12-24

Sri Wahyuni

E-ISSN : 27468763

PDF

Indonesian

Text