Peningkatan Akurasi OCR dalam Pemrosesan Formulir Keuangan melalui Fine-Tuning Transformer dan Strategi Pra- pemrosesan Data

Abstract

Permintaan layanan kartu kredit yang terus meningkat mendorong kebutuhan untuk metode pemrosesan formulir yang lebih efisien. Artikel ini mengusulkan penggunaan model Optical Character Recognition (OCR) berbasis Transformer, TrOCR, yang telah disempurnakan melalui fine-tuning dan prapemrosesan data untuk meningkatkan akurasi dalam pemrosesan formulir pendaftaran kartu kredit. Hasil eksperimen menunjukkan peningkatan signifikan dalam kinerja model setelah penerapan strategi prapemrosesan data dan penyetelan hiperparameter. Model dengan konfigurasi terbaik menghasilkan Character Error Rate (CER) sebesar 0,0607 pada dataset IAM dan 0,3620 pada formulir Bank XYZ.