Perpustakaan Digital ITB

Di era digital saat ini, masih terdapat perusahaan menggunakan sistem pencatatan manual. Akibatnya perusahaan mengalami kesulitan dalam pengelolaan inventaris akibat sistem pencatatan manual, yang sering kali menyebabkan kehilangan data dan kesulitan dalam aksesibilitas data. Digitalisasi menjadi kebutuhan penting untuk meningkatkan akurasi dan efisiensi operasional. Penelitian ini bertujuan untuk mengembangkan sistem Optical Character Recognition (OCR) berbasis deep learning yang mampu mengenali tulisan tangan pada surat jalan rental scaffolding dengan akurasi minimal 80%, serta membangun website data capture untuk membantu proses digitalisasi formulir tersebut. Metodologi penelitian meliputi pengumpulan dataset citra surat jalan rental scaffolding, pengembangan model OCR menggunakan kakas Paddle OCR dengan arsitektur SVTR, serta pengembangan website menggunakan framework Flask dan database MongoDB. Hasil penelitian menunjukkan bahwa model SVTR yang dikembangkan mampu mencapai akurasi pengenalan teks sebesar 90,1%. Pengujian website data capture dilakukan dengan menggunakan surat jalan rental scaffolding dengan berbagai kondisi, didapatkan hasil pengujian menunjukkan akurasi dan waktu pemrosesan yang rasional. Penelitian ini membuka peluang untuk digitalisasi formulir di industri lainnya, serta meningkatkan efisiensi operasional dan aksesibilitas data.