Critical Journal Review 

Deteksi Kartu Id Warga menggunakan Pemrosesan Gambar

dan Optik Pengenalan Karakter

Daud Yonathan Panggabean ( 4203540004 )

JURUSAN FISIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI MEDAN
2022
I. Identitas Jurnal

a) Nama Jurnal : Deteksi Kartu Id Warga menggunakan Pemrosesan

Gambar dan Optik Pengenalan Karakter
b) Penulis : Wira Satyawan, M Octaviano Pratama, Rini Jannati,
Gibran Muhammad, Bagus Fajar Haris Hamzah, Ru snandi
Fikri, Kevin Kristian
c) Penerbit : IOP
d) Tahun Terbit : 2019
e) Halaman : 1-6
II. Isi Jurnal :
a. Abstrak
Sejak kemunculannya pada tahun 2011, KTP Elektronik In-
donesia telah banyak digunakan sebagai otentikasi atau identitas
warga negara. Beberapa masalah seperti kesulitan dalam mendeteksi
bidang id-card dan juga kesulitan dalam data pengenalan karakter di
id-card harus diperhatikan.
Pada penelitian ini diusulkan suatu teknik pendeteksian KTP
elektronik menggunakan kombinasi Image Processing dan Optical
Character Recognition (OCR). Hasilnya, kami dapat memperoleh
akurasi 98% dari pendeteksian kartu identitas menggunakan teknik
pemrosesan gambar dan OCR kami. Penelitian ini disematkan pada
interface website yang digunakan oleh perusahaan otomotif.
b. Pendahuluan

Perkembangan Teknologi Informasi telah berkembang cukup pesat,

baik secara teori maupun aplikasi. Sejak kemunculannya pada tahun 2011,
KTP Elektronik Indonesia telah banyak digunakan sebagai otentikasi atau
identitas warga negara. Beberapa masalah seperti kesulitan dalam mende-
teksi bidang id-card dan juga kesulitan dalam data pengenalan karakter di id-
card harus diperhatikan.
Banyak teknologi penelitian yang digunakan untuk mempermudah dan
mempercepat pekerjaan manusia. KTP yang digunakan dalam kasus ini
adalah KTP warga. Itu bukan proses yang efisien karena kita membutuhkan
banyak waktu untuk memasukkan data satu per satu.
c. Variabel Yang Diteliti

Variabel Pada penelitian ini diusulkan suatu teknik pendeteksian

KTP elektronik menggunakan kombinasi Image Processing dan Opti-
cal Character Recognition (OCR).pemrosesan gambar untuk mende-
teksi ID warga kartu khusus untuk ktp warga negara Indonesia

d. Teori Yang Digunakan

Teori : kombinasi Image Processing dan Optical Character Recognition
(OCR).
e. Metode Penelitian
Dalam penelitian ini kita mulai dari pendataan KTP, kemudian kita membagi
data menjadi data latih dan data uji. Setelah mengumpulkan data yang sesuai,
pra-pemrosesan dilakukan untuk membuat gambar yang digunakan dalam tugas-
tugas ke depan. Kemudian dilakukan ekstraksi area teks dan Segmentasi untuk
menentukan area yang harus diambil secara otomatis. Langkah terakhir, Optical
Character Recognition (OCR) digunakan untuk memprediksi karakter dalam
Citizen Id Card.
1. Pra-pemrosesan
Kartu identitas yang digunakan dalam penelitian ini
memiliki ukuran seragam 1654x2340 per gambar. Pra-
pengolahan citra secara umum dibagi menjadi 3 bagian:
grayscale, thresholding, dan transformasi morfologi.
 skala abu-abu
Grayscale adalah proses pengubahan citra yang sebelumnya ter-
diri dari 3 layer RGB menjadi citra gray yang memiliki 1 layer.

 Ambang Batas
Berdasarkan rumus thresholding didefinisikan sebagai

Ambang batas ini mengubah citra menjadi biner dengan memilih

threshold. Dalam penelitian ini, kami menempatkan 100 sebagai nilai
thresholding. Untuk itu agar warna pixel menjadi hitam.
 Sobel
Sebagian besar metode deteksi tepi bekerja dengan asumsi bahwa tepi
terjadi di mana ada diskontinuitas dalam fungsi intensitas atau gra-
dien intensitas yang sangat curam pada citra. Gradien adalah vektor,
yang komponennya mengukur seberapa cepat nilai piksel berubah
dengan jarak di x dan arah y. Dengan demikian, komponen gradien
dapat ditemukan menggunakan pendekatan berikut:

 Transformasi Morfologi
Dalam penelitian ini, menghilangkan noise pada citra menggunakan
teknik transformasi morfologi. Operasi morfologi adalah teknik pengo-
lahan citra berdasarkan bentuk suatu objek.
Operasi morfologi yang digunakan dalam penelitian ini terdiri dari empat
operasi yaitu operasi dilasi, operasi erosi, operasi pembukaan, dan operasi
penutupan.
• Dilatasi adalah transformasi yang menghasilkan bayangan yang ben-
tuknya sama dengan bayangan aslinya, tetapi ukurannya berbeda.
Struktur elemen diposisikan dengan titik aslinya dan nilai piksel
baru ditentukan menggunakan persamaan:

• Erosi digunakan untuk mengecilkan objek pada citra dengan cara

memperkecil puncak erosi dan memperbesar lebar ke area minimum
sehingga dapat menghilangkan noise.

• Opening on by diperoleh dari erosi by, kemudian hasilnya didi-

latasikan.
 • Tophat adalah operasi yang memiliki beberapa karakteristik pen-
yaringan high-pass. Sehingga operator Tophat pembuka dapat
mendeteksi puncak gelombang dari suatu citra dan operator Tophat
penutup dapat mendeteksi gelombang berlubang.

 Otsu
Sebuah gambar dapat diwakili oleh fungsi intensitas tingkat keabuan 2D. Nilai
dari adalah tingkat keabuan, mulai dari sampai, di mana adalah jumlah tingkat
keabuan yang berbeda. Biarkan jumlah piksel dengan tingkat keabuan menjadi,
dan menjadi jumlah total piksel dalam gambar tertentu, probabilitas terjadinya
tingkat keabuan didefinisikan sebagai

Rata-rata tingkat keabuan dari seluruh gambar dihitung sebagai

2. Ekstraksi Area Teks
Setelah pre-processing, langkah selanjutnya yang dilakukan adalah ek-
straksi area teks, untuk menentukan area karakter yang akan diambil.
Dalam penelitian ini kami menentukan ukuran kernel 5x5. Kernel ini
berguna untuk membentuk kotak pada segala sesuatu yang berisi teks.
• Segmentasi citra digunakan untuk menentukan bagian teks yang akan
diambil. Dalam penelitian ini bagian yang akan diambil adalah karak-
ter NIK dan nama pada KTP. Maka akan menghasilkan hasil crop ID
Card seperti yang kita inginkan.
• Pengenalan Karakter Pengenalan karakter menggunakan teknik Optical
Character Recognition (OCR) dengan alat tesseract. Penelitian ini akan
membandingkan model pengenalan karakter menggunakan data train
manual yang dilatih menggunakan tesseract 3.05 dan data train yang su-
dah terdapat pada tesseract 4.0 yang berisi data teks bahasa Indonesia
dengan font yang berbeda.
f. Hasil Penelitian
Pada penelitian ini, kami membuat dua model yang berbeda untuk mengidenti-
fikasi bagian nama dan karakter KTP pada KTP. Model pertama menggunakan
data pelatihan manual dan dilatih menggunakan software Tesseract 3.05 dan QT
Box Versi 1.08. Model kedua menggunakan data latih pada tesseract 4.0 yang
berupa teks bahasa Indonesia dengan font yang berbeda.

 Data Pelatihan Manual

Langkah pertama dalam mengidentifikasi karakter adalah
melakukan scanning ID Card dengan resolusi 1.665 x 2340. Selan-
jutnya citra akan dilakukan pengolahan citra. Pertama, hasil
grayscaling pada citra pra-pemrosesan disajikan pada Gambar 1
Setelah itu, ubah citra menjadi binary invers dengan nilai threshold 90.
Setelah citra diubah menjadi binary invers, citra ini ditransformasi
menggunakan transformasi morfologi dan OTSU seperti pada gambar
2.

Data Pelatihan Manual Pengenalan karakter menggunakan teknik Optical

Character Recognition (OCR) dengan alat tesseract. Penelitian ini akan mem-
bandingkan model pengenalan karakter menggunakan data train manual yang
dilatih menggunakan tesseract 3.05 dan data train yang sudah terdapat pada
tesseract 4.0 yang berisi data teks bahasa Indonesia dengan font yang
Langkah pertama dalam mengidentifikasi karakter adalah melakukan scan-
berbeda.
ning ID Card dengan resolusi 1.665 x 2340. Selanjutnya citra akan di-
lakukan pengolahan citra. Pertama, hasil grayscaling pada citra pra-pemros-
esan disajikan pada Gambar 1.
 Setelah kernel dipilih dan dilakukan segmentasi NIK dan nama pada KTP, hasil dari
segmentasi NIK dan nama dimasukkan ke model dalam pelatihan secara manual
menggunakan data train tesseractversi 3.05 dibantu dengan qt-box versi 1.08 dan
kami memperoleh akurasi prediksi 100%. Langkah selanjutnya, model diuji dengan
uji data baru dan hasil NIK dan pengenalan nama karakter menggunakan uji data di-
tunjukkan pada tabel 1.

 Model Data Train Tesseract 4.0 dan OCR Tesseract 4.0

Perbedaan dari percobaan pertama adalah pada OCR, kami menggunakan tesseract
versi 4.0 yang pada versi tersebut telah mengimplementasikan model neural net-
work yaitu LSTM.
Berdasarkan model yang diperoleh dari data train, kami menguji menggunakan
data train yang sama dengan percobaan pertama dan kami memperoleh akurasi
prediksi 100% untuk NIK tetapi kami memperoleh akurasi prediksi 98,6% untuk
nama. Setelah itu dilakukan pengujian dengan menggunakan data pengujian
yang sama dengan data pengujian pada percobaan pertama, dan didapatkan hasil
seperti pada tabel 2.

Keakuratan pengenalan karakter NIK kedua metode menunjukkan 100%.

Sedangkan pengenalan karakter pengenalan nama kedua metode tidak menun-
jukkan akurasi yang akurat karena terdapat kesalahan beberapa karakter huruf.
  Antarmuka pengguna
Kami menggunakan Flask untuk membuat antarmuka pengguna untuk
memudahkan pengguna menjalankan program. Pada langkah pertama, kami
membangun antarmuka pengguna yang sederhana bagi pengguna untuk
mengunggah gambar KTP dengan ukuran maksimum 1,654 x 2,340. Pro-
gram akan menjalankan model yang telah dibuat kemudian memberikan
hasil KTP dan nama.
g. Kesimpulan
Penelitian ini menggabungkan teknik preprocessing grayscale dengan teknik
pengolahan citra biner seperti Sobel, transformasi morfologi, dan OTSU. Ek-
straksi area teks menggunakan kernel yang mengidentifikasi area teks NIK
dan nama pada KTP warga. Eksperimen dengan data latih yang dibuat meng-
gunakan tesseract 4.0 menunjukkan bahwa akurasi deteksi mencapai antara 90
- 100% menggunakan teknik yang kami usulkan. Kami juga membuat model
lain dengan data pelatihan yang dibuat menggunakan qt-box sebagai bench-
mark.
IV. Mengkritisi Jurnal
a. Mengkritisi Jurnal
Dalam jurnal, masalah yang diungkap dalam penelitian ini seperti kesuli-
tan dalam mendeteksi bidang id-card dan juga kesulitan dalam data pen-
genalan karakter di id-card harus diperhatikan.
b. Pencapaian Tujuan Penelitian
Pencapaian tujuan dari penelitian Deteksi Kartu Id Warga menggunakan
Pemrosesan Gambar dan Optik Pengenalan Karakter Ekstraksi area teks
menggunakan kernel yang mengidentifikasi area teks NIK dan nama pada
KTP warga Eksperimen dengan data latih yang dibuat menggunakan tesser-
act 4.0menunjukkan bahwa akurasi deteksi mencapai antara 90 - 100%
menggunakan teknik yang usulkan.
c. Manfaat Penelitian Terkait
Manfaar penelitian terkait adalah mengidentifikasi area teks NIK dan nama
pada KTP warga . Manfaat dari jurnal penelitian cukup mutakhir dan jelas.
Sehingga manfaat jurnal penelitian ini tidak ada kekurangan.
d. Kemutakhiran Teori- Teori Yang Digunakan

Dari jurnal yang saya baca ini, k ohesinya sudah cukup baik materinya cukup
singkat. Karena penelitian ini berbentuk jurnal bukan e-book. Jadi penulis
memaparkan isi dengan singkat disetiap judulnya, dan mengembangkan
point-point kecil yang penting untuk dikaji. Materi yang dibahas dalam jurnal
mudah dipahami karena penulis langsung menuliskan isi dari permasalahan
yang dituju tidak terlalu banyak defenisi (koherensi). Setelah punyusun mem-
baca jurnal ini, penyusun menyimpulkan bahwa jurnal sudah cukup mutakhir
karena pemabahasan dalam jurnal sangat jelas dan kekinian Masa modern
ini.
V. Kesimpulan
Dalam penelitian ini dapat kita simpulkan bahwa Kartu Tanda Penduduk
dapat dideteksi dengan menggunakan teknik pemrosesan gambar yang
diusulkan dan dikolaborasikan dengan OCR. Teknik pengolahan citra
dalam penelitian ini terdiri dari preprocessing, ekstraksi area teks, dan
segmentasi. OCR diusulkan untuk pengenalan karakter. Penelitian ini
menggabungkan teknik preprocessing grayscale dengan teknik pengola-
han citra biner seperti Sobel, transformasi morfologi, dan OTSU. Ek-
straksi area teks menggunakan kernel yang mengidentifikasi area teks
NIK dan nama pada KTP warga. Eksperimen dengan data latih yang
dibuat menggunakan tesseract 4.0 menunjukkan bahwa akurasi deteksi
mencapai antara 90 - 100% menggunakan teknik yang kami usulkan.
Kami juga membuat model lain dengan data pelatihan yang dibuat
menggunakan qt-box sebagai benchmark.
DAFTAR PUSTAKA

Satyawan, W., Pratama, M. O., Jannati, R., Muhammad, G., Fa-

jar, B., Hamzah, H., ... & Kristian, K. (2019, June). Citizen ID card
detection using image processing and optical character recogni-
tion. In Journal of Physics: Conference Series (Vol. 1235, No. 1,
p. 012049). IOP Publishing.
Thank you
Insert the title of
your subtitle Here