Ekstraksi Informasi Struk Belanja Melalui Pemanfaatan Tesseract dan Regular Expressions

Amelia Ananda Setiawan; Rangga Gelar Guntara; Btari Mariska Purwaamijaya

doi:10.31004/riggs.v4i2.1731

Authors

Amelia Ananda Setiawan Universitas Pendidikan Indonesia
Rangga Gelar Guntara Universitas Pendidikan Indonesia
Btari Mariska Purwaamijaya Universitas Pendidikan Indonesia

DOI:

https://doi.org/10.31004/riggs.v4i2.1731

Keywords:

Pencatatan Keuangan, Struk Belanja, Ekstraksi, YOLO, Tesseract, Regular Expressions

Abstract

Pencatatan keuangan merupakan hal yang penting agar seseorang dapat menyadari posisi keuangan dan memantaunya dengan baik. Salah satu bukti yang digunakan dalam pencatatan keuangan yaitu berasal dari struk belanja. Namun, proses pencatatan keuangan masih dianggap menyulitkan karena masih mengandalkan input data secara manual. Penelitian ini bertujuan untuk membangun sistem ekstraksi struk belanja untuk membantu proses pencatatan keuangan. Sistem dirancang dengan menerapkan model YOLO untuk mendeteksi area, Tesseract untuk mengekstrak teks dari gambar, dan Regular Expressions untuk mengolah data. Hasil pengujian alpha menggunakan black box menunjukkan seluruh fungsionalitas berjalan dengan baik. Selain itu, hasil pada pengujian beta menggunakan user acceptance testing juga menunjukkan bahwa sistem dinilai membantu pengguna dalam proses pencatatan keuangan dengan rata-rata nilai 4,47 dari skala 5.

Downloads

Download data is not yet available.

References

Y. Widiyawati, C. D. S. Ningsih, F. Lestari, and G. Pramita, “ANALISIS PENGARUH BELANJA ONLINE TERHADAP PERILAKU PERJALANAN BELANJA DIMASA PANDEMI COVID-19,” Journal of Infrastructural in Civil Engineering (JICE), vol. 03, p. 25, Jul. 2022.

U. Sugiarti, “77% Masyarakat Indonesia Lebih Suka Belanja di Minimarket.”, 2024. [Online]. Tersedia: https://goodstats.id/article/77-masyarakat-indonesia-menyukai-belanja-di-minimarket-CRkaQ.

C. Sayallar, A. Sayar, and N. Babalik, “An OCR Engine for Printed Receipt Images using Deep Learning Techniques,” International Journal of Advanced Computer Science and Applications, vol. 14, no. 2, 2023, doi: 10.14569/IJACSA.2023.0140295.

A. Rosidi and A. Afriyudi, “Aplikasi Pencatatan Keuangan Pribadi Berbasis Web Mobile,” Jurnal Teknologi Informatika dan Komputer, vol. 9, no. 1, pp. 100–113, Mar. 2023, doi: 10.37012/jtik.v9i1.1447.

M. C. Dinisari, “Lebih dari 40 Persen Orang Tidak Mencatat Cash Flow Karena Malas,” https://entrepreneur.bisnis.com/read/20200625/52/1257724/lebih-dari-40-persen-orang-tidak-mencatat-cash-flow-karena-malas.

R. Sari, I. M. Adi, and A. Hidayati, “Personal Track Your Cash: Prototipe Aplikasi Pembacaan Setruk0020Belanja Menggunakan OCR dan Google Vision,” SNIV: SEMINAR NASIONAL INOVASI VOKASI, vol. 2, pp. 565–573, 2023.

A. ALazzawi, Q. M. Yas, and B. Rahmatullah, “A Comprehensive Review of Software Development Life Cycle methodologies: Pros, Cons, and Future Directions ,” Iraqi Journal for Computer Science and Mathematics, vol. 4, no. 4, pp. 173–190, 2023.

H. Yakub, B. Daniawan, A. Wijaya, and L. Damayanti, “Sistem Informasi E-Commerce Berbasis Website Dengan Metode Pengujian User Acceptance Testing,” JSITIK: Jurnal Sistem Informasi dan Teknologi Informasi Komputer, vol. 2, no. 2, pp. 113–127, Apr. 2024, doi: 10.53624/jsitik.v2i2.362.

I. Wahyudi, Fahrullah, F. Alameka, and Haerullah, “ANALISIS BLACKBOX TESTING DAN USER ACCEPTANCE TESTING TERHADAP SISTEM INFORMASI SOLUSIMEDSOSKU,” Jurnal Teknosains Kodepena, vol. 4, no. 1, pp. 1–9, 2023.

ExpressExpense, “Free Receipt Images – OCR / Machine Learning Dataset”, 2020. [Online]. Tersedia: https://expressexpense.com/blog/free-receipt-images-ocr-machine-learning-dataset/.

S. Park et al., “CORD: A Consolidated Receipt Dataset for Post-OCR Parsing”, 2019. [Online]. Tersedia: https://github.com/clovaai/cord.

R. G. Guntara, “Pemanfaatan Google Colab Untuk Aplikasi Pendeteksian Masker Wajah Menggunakan Algoritma Deep Learning YOLOv7,” Jurnal Teknologi Dan Sistem Informasi Bisnis, vol. 5, no. 1, pp. 55–60, Feb. 2023, doi: 10.47233/jteksis.v5i1.750.

C. A-Sawaareekun and R. Lipikorn, “Menu item extraction from Thai receipt images using deep learning and template-based information extraction,” in Proceeding of the 2024 6th International Conference on Information Technology and Computer Communications, New York, NY, USA: ACM, Oct. 2024, pp. 107–113. doi: 10.1145/3704391.3704407.

A. Kaderabek, “Exploring Optical Character Recognition (OCR) as a Method of Capturing Data from Food-Purchase Receipts,” Survey Methods: Insights from the Field, vol. 1, no. 3, 2023.

M. Nazeem, R. Anitha, Navaneeth S, and R. R. Rajeev, “Open-Source OCR Libraries: A Comprehensive Study for Low Resource Language,” Proceedings of the 21st International Conference on Natural Language Processing (ICON), pp. 416–421, 2024.