digilib@itb.ac.id +62 812 2508 8800



BAB 1 Gazandi Cahyadarma
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan

BAB 2 Gazandi Cahyadarma
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan

BAB 3 Gazandi Cahyadarma
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan

BAB 4 Gazandi Cahyadarma
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan

BAB 5 Gazandi Cahyadarma
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan

BAB 6 Gazandi Cahyadarma
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan


Aplikasi praktis pilihan masyarakat menggunakan input kamera streaming dan mempunyai waktu proses real time. Aplikasi praktis ini menggunakan hardware acceleration agar memiliki waktu proses real time. Aplikasi Albadr AOCR saat ini memiliki input file dokumen dan merupakan aplikasi desktop. Aplikasi ini memiliki waktu proses yang sangat lama. Aplikasi ini belum berupa aplikasi praktis yang dapat digunakan masyarakat. Untuk mempersiapkan aplikasi Albadr AOCR dapat digunakan masyarakat secara praktis, aplikasi Albadr AOCR ditransformasikan menjadi aplikasi android AOCR real time yang menggunakan input kamera streaming. Pada tugas akhir ini, dilakukan empat modifikasi utama terhadap aplikasi Albadr AOCR, yaitu: binerisasi, deteksi kemiringan, segmentasi rekognisi, dan arsitektur aplikasi. Perubahan ini didasarkan riset bottleneck pada aplikasi Albadr AOCR dan pergantian input file menjadi kamera streaming. Bottleneck aplikasi Albadr AOCR ada pada waktu proses dan toleransi derau tiap proses yang memiliki perubahan. Binerisasi menggunakan algoritma Otsu dikarenakan paling cepat pada penelitian terkait dan tidak bergantung pada GPU. Algoritma baru diciptakan dengan inspirasi algoritma Husam ACDAR dan paradigma paralel. Algoritma ini menggunakan konsep ketetanggaan dan karakteristik piksel. Waktu proses segmentasi dan rekognisi dipercepat dengan konkurensi. Arsitektur aplikasi menjadi aplikasi client-server dengan prinsip microservice. Implementasi binerisasi dilakukan pada client/android. Implementasi ini menghasilkan waktu proses binerisasi yang lebih cepat dan dapat beradaptasi pada masukan gambar. Algoritma baru, Neighbour Chain Skew Algorithm memiliki waktu proses 20 kali lebih cepat daripada estimasi kemiringan aplikasi Albadr AOCR. Algoritma ini memiliki akurasi 82% walau dalam kondisi derau. Proses segmentasi dan rekognisi menggunakan model konkurensi kombinasi producerconsumer dan workers. Model konkurensi ini dapat meningkatkan waktu proses 3 kali lebih cepat.