Peningkatan Efisiensi Kecepatan dan Akurasi Rekapitulasi Faktur Pajak Dengan Optical Character Recognition Di Orbit Future Academy
Lidya Rosnita, Rizal Tjut Adek
Abstract
Kemajuan ilmu pengetahuan terutama dalam ranah Artificial Intelligence (AI), telah membawa perubahan signifikan bagi kehidupan manusia. Di Indonesia, Orbit Future Academy (OFA) hadir sebagai lembaga pelatihan terbesar dalam bidang AI. Program AI 4 Jobs bertujuan untuk mempersiapkan individu dalam memasuki dunia kerja yang didominasi oleh teknologi AI. Program didesain untuk mengenalkan teknologi AI kepada pelajar guna menginspirasi pengembangan produk AI yang berdampak sosial. Berdasarkan pengetahuan tentang kemampuan AI, penulis menemukan suatu tantangan dalam kantor konsultan pajak yaitu pengolahan dokumen faktur pajak yang masih dilakukan secara manual, dimana hal tersebut dapat diatasi dengan kehadiran AI yang mampu mengolah data berulang dengan efisiensi tinggi. Untuk menyelesaikan tugas tersebut, sebuah website AI dibangun dengan memanfaatkan domain AI Computer Vision dan menggunakan model Optical Character Recognition (OCR) dengan library deep learning EasyOCR, Pytesseract, dan PDF Plumber. Tahapan pada pembuatan AI ini terdiri dari problem scoping, data acquisition, data exploration, modeling, evaluation, dan deployment. Pengujian dilakukan menggunakan dua jenis file faktur pajak (PDF dan JPG) yang masing-masing terdiri dari lima sampel faktur pajak, diujikan langsung pada website dengan tiga library yang berbeda. Hasil pengujian menunjukkan tingkat accuracy, recall, precision, dan f-score deteksi faktur pajak sebesar 100%. Pengujian PDF Faktur Pajak dengan PDF Plumber memiliki tingkat accuracy, recall, precision, dan f-score sebesar 100%. Pengujian gambar faktur pajak dengan Tesseract OCR memiliki tingkat accuracy sebesar 60%, recall 100%, precision 60% dan f-score 75%. Pengujian gambar faktur pajak dengan EasyOCR memiliki accuracy, recall, precision, dan f-score 100%.
References
Akbar, Sadam J., 2023. “Penerapan Kecerdasan Buatan Dalam Pembelajaran Kimia”. Jurnal kemajuan teknologi, vol. 1, no. 1, 15-19.
Ezar, Muhammad, 2016. “Pengaruh Penggunaan Overlapped Character untuk”. Annual Research Seminar, vol. 2, no. 1, 63.
Hapsari, Widi, 2014. “Penerapan Optical Character Recognition (OCR)” informatika, vol. 10, no. 2, 27.
Hivedevs, 2023. Optical Character Recognition (OCR) is the process of identifying and converting texts rendered in images [Online]. Available: https://www.mdpi.com/2073-8994/12/5/715. [Accessed 24 11 2023].
Mdpi, 2022. OCR error can be further decreased by automatically selecting favorable preprocessing algorithms [Online]. Available: https://www.mdpi.com/2073-8994/12/5/715. [Accessed 24 11 2023].
Uidy, O. M. D., S. Aulia and B., 2018. “Pengenalan Pola Berbasis OCR untuk Pengambilan Data”. Jurnal Rekayasa Elektrika, vol. 17, no. 2, 20-21.
DOI:
https://doi.org/10.29103/techsi.v14i2.14861
Article Metrics
Abstract Views : 194 times
PDF (Bahasa Indonesia) Downloaded : 3 times
Refbacks
- There are currently no refbacks.
Copyright (c) 2023 Lidya Rosnita, Rizal Tjut Adek
This work is licensed under a
Creative Commons Attribution-ShareAlike 4.0 International License.
Indexed by:
© Copyright of Journal TECHSI, (e-ISSN:2614-6029, p-ISSN:2302-4836).
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.