Implementasi Sistem Ekstraksi Data Otomatis Dari Formulir Administrasi Penduduk Menggunakan Optical Character Recognition Tesseract Di Kelurahan Berkas Kota Bengkulu

  • Ramalia Apriani Universitas Dehasen Bengkulu
  • Khairil Khairil Universitas Dehasen Bengkulu
  • Devi Sartika Universitas Dehasen Bengkulu
DOI: https://doi.org/10.37676/jmi.v22i2.13309
Keywords: Digitalisasi Dokumen, Tesseract OCR, EasyOCR, Rule-Based Text Extraction, Optical Character Recognition (OCR).

Abstract

Penelitian ini bertujuan membangun aplikasi digitalisasi dokumen administrasi penduduk di Kelurahan Berkas Kota Bengkulu menggunakan Optical Character Recognition (OCR) dan Rule-Based Text Extraction. Aplikasi dikembangkan menggunakan PHP dan MySQL untuk mengubah dokumen citra menjadi data terstruktur. Tesseract OCR digunakan sebagai metode utama dalam proses pembacaan teks, sedangkan EasyOCR digunakan sebagai metode pembanding untuk mengevaluasi hasil pembacaan pada kondisi dokumen yang berbeda. Pengujian dilakukan menggunakan Black Box Testing terhadap 31 dokumen administrasi. Hasil pengujian menunjukkan seluruh fungsi aplikasi berjalan sesuai rancangan. Tesseract menghasilkan rata-rata 921,88 karakter dan 122,98 kata per dokumen, sedangkan EasyOCR menghasilkan rata-rata 908,26 karakter dan 121,16 kata per dokumen. Hasil perbandingan menunjukkan bahwa EasyOCR memberikan hasil pembacaan yang lebih baik pada beberapa kondisi dokumen, yaitu kertas bercak atau bernoda, kusut atau kerumuk, miring, dan buram, berdasarkan kesesuaian hasil pembacaan terhadap ground truth serta tingkat kesalahan pembacaan. Selanjutnya, Rule-Based Text Extraction berhasil mengenali 230 dari 248 field dengan tingkat keberhasilan sebesar 92,74%. Hasil tersebut menunjukkan bahwa aplikasi dapat membantu mempercepat proses digitalisasi dan pengolahan data dokumen administrasi penduduk

Downloads

Download data is not yet available.

References

[1] Chen, Y., Cui, T., Capstick, A., Fletcher-Loyd, N., & Barnaghi, P. (2024). Enabling Regional Explainability by Automatic and Model-agnostic Rule Extraction. ArXiv Preprint ArXiv:2406.17885, 1.
[2] Colter, Z., Fayazi, M., Youbi, Z. B. El, Kamp, S., Yu, S., & Dreslinski, R. (2022). Tablext: A combined neural network and heuristic based table extractor. Array, 15. https://doi.org/10.1016/j.array.2022.100220
[3] Darmawan, R., Nasuha, A., Zaman, L., & Armanto, H. (2021). Sistem Manajemen Kartu Nama dengan OCR dan Ekstraksi Informasi Otomatis. Journal of Intelligent System and Computation, 3(2), 61–72. https://doi.org/10.52985/insyst.v3i2.194
[4] Darmi, Y., Sepriansyah, M. F., & Darnita, Y. (2025). Penerapan Metode Optical Character Recognition ( OCR ) Untuk Mengidentifikasi Teks Pada Identitas Dokumen Surat Izin MengemudI ( SIM ). 9(4), 5992–5998.
[5] Darpito, M. N., Firdausy, K., & Fadlil, A. (2025). Perbandingan Unjuk Kerja Library Optical Character Recognition (OCR) dalam Pengenalan Teks pada Dokumen Digital. Jurnal Informatika Polinema, 11(3), 273–282. https://doi.org/10.33795/jip.v11i3.7025
[6] Febryana, S., Wulandari, I. A., & Prabowo, D. (2024). Rancang Bangun Aplikasi Pengolahan Data Inventory Barang Berbasis Desktop Pada Cv. Hamim Group. Jurnal Mahasiswa Sistem Informasi (JMSI), 6(1), 24–35. https://doi.org/10.24127/jmsi.v6i1.7553
Undang-Undang Republik Indonesia Nomor 24 Tahun 2013, (2013).
[7] Jumadi, J., Akbar, A. Al, Informatika, D., & Bengkulu, U. D. (2020). Implementasi Metode Template Matching Untuk Klasifikasi Citra Anggrek Pensil Bengkulu. 1–7.
[8] Jumadi, J., Yupianti, & Sartika, D. (2021). Pengolahan Citra Digital Untuk Identifikasi Objek Menggunakan Metode Hierarchical Agglomerative Clustering. Jurnal Sains Dan Teknologi, 10(2), 148–156.
[9] M. Irfan. (2021). Implementasi Kebijakan Administrasi Kependudukan Di Kota Bima (Studi Kasus di Dinas Catatan Sipil dan Kependudukan Kota Bima). Jurnal Ilmu Administrasi Negara, 18(2).
[10] Nashiruddin, M., Dhaza, F., Praditya, N., & Mufazzal, A. F. (2025). Implementasi OCR berbasis Tesseract untuk Ekstraksi data kartu mahasiswa UMKLA. 01(1), 11–14.
[11] Noija, H. C., Wemaf, P. A., Nurdianty, O. A., Sohilait, W., Haumahu, S., Yusuf, H., Tomagola, K., Wa Rindi La Ana, & Salaiswa, T. S. (2023). Perancangan Sistem Informasi Akuntansi Untuk Analisis Siklus Pendapatan Pada Orantata Celullar Menggunakan DFD Dan Flowchart. Jurnal Bisnis Dan Manajemen (JURBISMAN), 1(2), 577–592. https://doi.org/10.61930/jurbisman.v1i2.188
[12] Okta, M. D. U., Aulia, S., & Burhanuddin. (2021). Pengenalan Pola Berbasis OCR untuk Pengambilan Data Bursa Saham. Jurnal Rekayasa Elektrika, 17(2), 100–106. https://doi.org/10.17529/jre.v17i2.19656
[13] Panuntun, F. G., & Sejati, R. H. P. (2024). Sistem Otomatisasi Deteksi dan Ekstraksi Data KTP Berbasis Convolutional Neural Network dan Optical Character Recognition. 7(3), 464–471.
[14] Ponggohong, A. R. I., Rorimpandey, G. C., & Maswonggo, V. V. (2025). Penerapan Optical Character Recognition Tesseract Dan Gemini Pada Sistem Buku Tamu Digital Berbasis Web. Jointer : Journal of Informatics Engineering, 06(02), 2025.
[15] Reksiyano, R. D., Pane, S. F., & Awangga, R. M. (2025). Enhancing OCR Accuracy on Indonesian ID Cards Using Dual-Pipeline Tesseract and Post-Processing. 10(2), 119–127.
[16] Reyvansyah, M. R., Setiawan, E., Indarti, R., Adianto, & Munadhif, I. (2023). Penerapan Metode Optical Character Recognition (OCR) Untuk Mengambil Data Arsip. Jurnal Teknik Elektro Dan Komputer TRIAC, 10(2), 44–50. https://doi.org/10.21107/triac.v10i2.20809
[17] Sangaji, A. H., Pamungkas, Y., Risqiwati, D., Mardi, S., Nugroho, S., & Dharma, A. (2022). Rule-based disease classification using text mining on symptoms extraction from electronic medical records in Indonesian. 4(1), 69–80.
[18] Sugiarta, G., Andini, D. P., & Hidayatullah, S. (2021). Ekstraksi Informasi/Data e-KTP Menggunakan Optical Character Recognition Convolutional Neural Network. JTERA (Jurnal Teknologi Rekayasa), 6(1), 1. https://doi.org/10.31544/jtera.v6.i1.2021.1-6
[19] Zulhijar, A., Basri, M., & Marlina. (2024). Implementasi Optical Character Recognition (OCR) untuk Otomasi Penghitungan Tagihan Listrik. Jurnal Publikasi Manajemen Informatika, 3(3), 162–171. https://doi.org/10.55606/jupumi.v3i3.3752
Published
2026-10-27
How to Cite
Apriani, R., Khairil, K., & Sartika, D. (2026). Implementasi Sistem Ekstraksi Data Otomatis Dari Formulir Administrasi Penduduk Menggunakan Optical Character Recognition Tesseract Di Kelurahan Berkas Kota Bengkulu. JURNAL MEDIA INFOTAMA, 22(2), 394-405. https://doi.org/10.37676/jmi.v22i2.13309
Issue
Vol 22 No 2 (2026): Oktober 2026
Section
Articles

Copyright (c) 2026 Ramalia Apriani; Khairil Khairil, Devi Sartika

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

An author who publishes in Jurnal Media Infotama agrees to the following terms:The author holds the copyright and grants the journal the right of first publication of the work simultaneously licensed under the Creative Commons Attribution-Share Alike 4.0 License which allows others to share the work with acknowledgment of the work's authorship and initial publication in this journal.Submission of a manuscript implies that the submitted work has not been previously published (except as part of a thesis or report, or abstract); that it is not being considered for publication elsewhere; that its publication has been approved by all co-authors. If and when a manuscript is accepted for publication, the author retains the copyright and retains the publishing rights without limitation.

For new inventions, authors are advised to administer the patent before publication. The license type is CC-BY-SA 4.0. 

MEDIA INFORMATION REVIEW: Journal of the Faculty of Computer Science is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.You are free to:Share

— copy and redistribute material in any medium or formatAdapt

— remix, modify and develop materialfor any purpose, even commercial.

The licensor cannot revoke this freedom as long as you follow the license terms