| dc.contributor.author | Tandjung, David Aurelius | |
| dc.date.accessioned | 2026-01-27T08:26:18Z | |
| dc.date.available | 2026-01-27T08:26:18Z | |
| dc.date.issued | 2022 | |
| dc.identifier.uri | https://dspace.uc.ac.id/handle/123456789/9028 | |
| dc.description | XYZ company needs to keep sale receipt’s photos for documentation purposes. To ensure the correctness of the stored sale receipt’s photos, a manual photo verification process is carried out. Any aspects that are borne in the verification process are the coherence between the photo and the available sale receipt’s data in the database and ensuring that the collected sale receipt’s photos are stored in the database. The absence of integrity insurance mechanism that is installed directly on this information system may causing data integrity problems. In this study, the author makes a sales receipt scanner application to automate the process of verifying sales receipt’s photo. In the application, there is an Object Detection model of the RetinaNet-50 SSD architecture to detect the presence of receipt numbers in photos, OCR Tesseract to extract receipt numbers from photos, and there are several image processing methods for the purposes of implementing OCR Tesseract. In this study, several trainings on the Object Detection model were carried out. Every training, an updated dataset is used so that the optimal Object Detection model is found. The verification process is carried out in 5 stages, namely the application receives a photo, cropping the area around the receipt number on the photo, prepares the photo using several image processing methods, extracts the receipt number by OCR Tesseract, then the extraction results are returned in the form of a JSON file to be used for storing photo’s mechanism. The Object Detection model’s evaluation using the Precision and Recall matrices are 100% and 47%, respectively. Testing the use of the sales receipt scanning application shows the accuracy of the application in verifying photo notes is 83%. Testing was carried out using 30 new sales receipt’s photos on 2 different lighting conditions to ensure the application's performance when used in certain locations | en_US |
| dc.description.abstract | Menyimpan foto nota menjadi keharusan bagi perusahaan XYZ untuk kepentingan dokumentasi penjualan. Untuk memastikan kebenaran foto nota yang disimpan, dilakukan proses verifikasi foto nota secara manual. Aspek-aspek yang ditanggung dalam proses verifikasi yaitu keselarasan foto nota dengan data nota yang tersedia pada database dan memastikan foto nota yang dikumpulkan tersedia pada database. Ketiadaan mekanisme jaminan integritas data yang terinstal langsung pada sistem informasi ini berisiko menimbulkan masalah integritas pada penyimpanan data. Pada penelitian ini, penulis membuat aplikasi pemindai foto nota penjualan untuk mengotomasi proses verifikasi foto nota. Pada aplikasi, terdapat penerapan model Object Detection arsitektur SSD RetinaNet-50 untuk mendeteksi keberadaan nomor nota pada foto, OCR Tesseract untuk mengekstraksi nomor nota pada foto, dan terdapat beberapa metode pemrosesan gambar untuk keperluan implementasi OCR Tesseract. Pada penelitian ini, dilakukan beberapa pelatihan model Object Detection. Setiap pelatihan, digunakan dataset yang diperbaharui sehingga ditemukan model Object Detection yang optimal dalam mengenali keberadaan nomor nota pada foto. Proses verifikasi dilakukan dalam 5 tahap, yaitu aplikasi menerima foto nota, dilakukan cropping pada area sekitar nomor nota pada foto, mempersiapkan foto dengan beberapa metode pemrosesan gambar, nomor nota diekstraksi oleh OCR Tesseract, kemudian hasil ekstraksi dikembalikan dalam bentuk file JSON untuk kemudian digunakan untuk keperluan penyimpanan foto nota. Hasil evaluasi model Object Detection menggunakan matriks Precision dan Recall berturut-turut bernilai 100% dan 47%. Pengujian penggunaan aplikasi pemindaian nota penjualan menujukan akurasi aplikasi pemindai nota penjualan dalam dalam melakukan verifikasi foto nota bernilai 83%. Pengujian penggunaan aplikasi pemindaian nota penjualan dilakukan menggunakan 30 foto nota yang baru dengan 2 kondisi pencahayaan yang berbeda untuk memastikan performa aplikasi pada saat digunakan pada lokasi tertentu | en_US |
| dc.language.iso | id | en_US |
| dc.publisher | UNIVERSITAS CIPUTRA SURABAYA | en_US |
| dc.subject | Object Detection, Deep Learning, Pemrosesan Gambar, OCR, Pemindaian Nota. | en_US |
| dc.subject | Object Detection, Deep Learning, Image Processing, OCR, Receipt Scanning. | en_US |
| dc.title | RANCANG BANGUN APLIKASI PEMINDAI NOTA PENJUALAN DENGAN SSD RETINANET-50 DAN OCR TESSERACT STUDI KASUS PERUSAHAAN XYZ | en_US |
| dc.type | Thesis | en_US |
| dc.identifier.kodeprodi | 55201 | |
| dc.identifier.nim | 0206011810010 | |
| dc.identifier.dosenpembimbing | Caecilia Citra Lestari | |
