Berbagai bidang pengetahuan seperti psikologi, neurosains, fisika, robotika, dan statistika berfokus pada pengembangan teknologi komputer yang dapat melihat atau memproses lingkungan kerja. Computer vision dengan kompleksitasnya yang dipengaruhi oleh berbagai bidang tersebut terus dikembangkan dengan tujuan mendekati kemampuan manusia. Oleh karena efisiensi dan efektivitasnya, computer vision sering digunakan untuk deteksi, klasifikasi, dan implementasi. Ini karena efisiensi dan efektivitasnya ketika digunakan dalam problematika yang umum pada saat ini. Pengimplementasian computer vision pada dasarnya dapat dilakukan untuk mengatasi permasalahan penataan koleksi buku yang terjadi dalam lingkup perpustakaan khususnya perpustakaan di Indonesia. Pada perpustakaan di Indonesia, permasalahan penataan buku sering terjadi khususnya pada SMKN 1 Manado yang disebabkan oleh kurangnya nomor klasifikasi pada setiap buku. Akibatnya, hal ini dapat memengaruhi proses pengambilan pelanggan dan mengurangi minat mereka untuk mengunjungi perpustakaan atau menggunakan layanan yang tersedia di sana. Karena memiliki hubungan fungsional dan linear dengan kepuasan pengguna, penataan buku memainkan peran yang sangat penting dalam ekosistem perpustakaan.
Apabila didasarkan pada beberapa penelitian telah menggunakan algoritma serakah, jumlah penelitian yang dilakukan masih relatif kecil karena nilai ketergantungan buku pada pemilihan. Studi tambahan menggunakan Analisis Urgensi, Keparahan Pertumbuhan (USG), dan uji t-tetap berpasangan, dan menemukan hasil yang tidak signifikan untuk penentuan struktur arsip. Sebaliknya, menggunakan teknik penataan buku umum yang biasanya digunakan di perpustakaan atau ruang baca membutuhkan waktu yang lama dan upaya pustakawan yang tepat dalam mengidentifikasi koleksi mereka. Namun, perpustakaan Indonesia menghadapi masalah seperti kurangnya sumber daya dan biaya pengelolaan buku.
Pada kaitannya untuk mengatasi masalah tersebut, computer vision diperlukan. Beberapa industri menggunakan pengenalan karakter optik, seperti identifikasi nomor plat kendaraan dalam waktu nyata dan pengenalan teks pada rambu lalu lintas. Salah satu algoritma yang paling banyak digunakan dalam beberapa studi adalah Tesseract dan Efficient and Accurate Scene Text (EAST). Tesseract telah digunakan dalam beberapa studi seperti pengenalan karakter dalam teks Jawa, dokumen digital, dan teks yang diambil dengan kamera digital. Algoritma EAST juga telah digunakan dalam beberapa studi karena kinerjanya yang baik dalam masalah lanskap alam. Selain itu, struktur jaringan EAST yang sederhana dilengkapi dengan kecepatan dan akurasi yang ditingkatkan. Akibatnya, CER dan WER digunakan untuk mengevaluasi Tesseract dan EAST sebagai indikator untuk mengukur akurasi OCR dalam penelitian ini.
Sangat penting bahwa nomor klasifikasi dalam buku ditemukan dengan Tesseract dan EAST dalam berbagai kondisi pencahayaan, terutama dalam pencahayaan rendah. Perpustakaan biasanya memiliki pencahayaan natural minimal untuk melindungi koleksi. Ini dilakukan untuk mengurangi waktu dan biaya pengorganisasian. Karena pentingnya strukturisasi buku di perpustakaan, metode OCR untuk mengidentifikasi nomor klasifikasi diharapkan dapat mempersederhanakan proses penataan koleksi.
Penulis: Imam Yuadi, S.Sos., M.MT., Ph.D.
Informasi detail dari riset ini dapat dilihat pada tulisan kami di:
Yuadi, I., Singh, A. R., & Nihaya, U. (2024). Text Recognition for Library Collection in Different Light Conditions. TEM Journal, 13(1), 266-276.
https://www.temjournal.com/content/131/TEMJournalFebruary2024_266_276.pdf
https://www.scopus.com/record/display.uri?eid=2-s2.0-85188791442&origin=resultslist
Baca Juga: Pengaruh Ekstrak Etanol Daun Kersen pada Kadar Kolesterol
