PENERAPAN DEEP LEARNING DAN OPTICAL CHARACTER RECOGNITION UNTUK EKSTRAKSI INFORMASI DARI STRUK BELANJA

Perkembangan teknologi digital telah mendorong transformasi dalam berbagai sektor, termasuk sistem pembayaran dan manajemen dokumen keuangan. Struk belanja sebagai bukti transaksi memiliki peran penting dalam pencatatan keuangan, namun proses ekstraksi informasi dari struk fisik masih menghadapi tantangan teknis yang signifikan. Penelitian ini bertujuan untuk mengembangkan model deteksi struk belanja yang mengintegrasikan teknologi Optical Character Recognition (OCR) dengan pendekatan deep learning dalam ekstraksi informasi dari citra struk belanja. Hasil penelitian menunjukkan bahwa model YOLOv8 yang dikembangkan mencapai performa optimal dengan precision sebesar 92.9%, recall 98.1%, mean average precision (mAP) 98.6%, dan nilai F1 score sebesar 95%. Analisis komparatif OCR mengindikasikan bahwa OCR Space memberikan hasil terbaik untuk jenis dataset yang digunakan dalam penelitian ini. Keanekaragaman dataset receipt dan invoice terbukti berpengaruh signifikan terhadap kemampuan generalisasi model, dimana keterbatasan variasi jenis receipt dalam dataset pelatihan menyebabkan penurunan akurasi deteksi pada format receipt yang belum pernah dilatih sebelumnya. Aplikasi mobile berbasis Android yang dikembangkan sebagai wadah dari model yang dibuat memperoleh skor 70.069 pada evaluasi System Usability Scale, yang tergolong dalam grade C dan menunjukkan tingkat usability yang dapat diterima. Penelitian ini memberikan kontribusi dalam pengembangan sistem ekstraksi informasi dalam struk belanja untuk pencatatan keuangan pribadi dengan menggabungkan teknologi Optical Character Recognition dan deep learning.