Pemanfaatan Large Language Model untuk Mengoptimalkan Hasil OCR pada Struk Belanja di Aplikasi Mobile
Keywords:
Akurasi, Aplikasi Mobile, Gemini, OCR, WaterfallAbstract
Efisiensi pencatatan transaksi keuangan pada aplikasi mobile sangat bergantung pada akurasi ekstraksi data dari struk belanja. Namun, teknologi Optical Character Recognition (OCR) konvensional sering kali gagal membaca data secara akurat akibat keterbatasan dalam memahami konteks teks serta format struk yang beragam. Penelitian ini bertujuan untuk mengoptimalkan hasil ekstraksi data struk belanja dengan mengintegrasikan Large Language Model (LLM) Gemini ke dalam aplikasi mobile. Pengembangan sistem dilakukan menggunakan metode System Development Life Cycle (SDLC) model Waterfall yang meliputi tahapan analisis kebutuhan, perancangan sistem, implementasi, pengujian, dan pemeliharaan. LLM Gemini diimplementasikan sebagai mesin pemrosesan cerdas untuk mengoreksi sekaligus menstrukturkan hasil pembacaan mentah dari OCR. Hasil penelitian menunjukkan adanya peningkatan akurasi yang signifikan. Berdasarkan pengujian terhadap 30 sampel struk belanja, metode OCR tanpa integrasi LLM hanya menghasilkan 5 data akurat dengan tingkat akurasi sebesar 16,6%, sedangkan setelah dilakukan integrasi LLM Gemini, jumlah data akurat meningkat menjadi 27 data dengan tingkat akurasi sebesar 90%. Dengan demikian, penelitian ini menyimpulkan bahwa penerapan metode Waterfall yang dikombinasikan dengan kemampuan LLM mampu menghasilkan solusi aplikasi mobile yang lebih andal dalam menangani kompleksitas data tekstual pada struk belanja.
References
S. Haryati, “Penerapan Aplikasi Keuangan Digital Untuk Membantu Pencatatan Dan Laporan Keuangan Bisnis UMKM,” Suluh Abdi, vol. 6, no. 2, Jan. 2025, doi: 10.32502/SA.V6I2.9124.
M. J. Averroes, D. E. Ratnawati, R. Setya Perdana, and P. Korespondensi, “Implementasi OCR Menggunakan Asprise dan Metode LSTM untuk Pengkategorian Item pada Setruk Belanja,” Jurnal Sistem Informasi, Teknologi Informasi, dan Edukasi Sistem Informasi, vol. 6, no. 2, pp. 123–130, Dec. 2025, doi: 10.25126/KZ7B7488.
Y. Darmi, M. F. Sepriansyah, Y. Darnita, and P. Pahrizal, “PENERAPAN METODE OPTICAL CHARACTER RECOGNITION (OCR) UNTUK MENGIDENTIFIKASI TEKS PADA IDENTITAS DOKUMEN SURAT IZIN MENGEMUDI (SIM),” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 9, no. 4, pp. 5992–5998, May 2025, doi: 10.36040/JATI.V9I4.13987.
C. Samuel, A. Simanjorang, and N. Erzed, “Implementasi Teknologi OCR dan Model LLM untuk Otomatisasi Pengisian Formulir Berdasarkan Dokumen Sertifikat untuk Universitas Esa Unggul Bekasi,” Journal of Comprehensive Science, vol. 4, no. 3, pp. 1001–1017, Mar. 2025, doi: 10.59188/JCS.V4I3.3061.
N. Rachmat and D. P. Kesuma, “Implementasi LLM Gemini Pada Pengembangan Aplikasi Chatbot Berbasis Android,” Jurnal Ilmu Komputer (JUIK), vol. 4, no. 1, pp. 40–52, Feb. 2024, doi: 10.31314/JUIK.V4I1.2831.
E. D. Wahyuni et al., “SDLC Big Bang dan Waterfall : Perbandingan Pendekatan dalam Pengembangan Perangkat Lunak,” NUANSA INFORMATIKA, vol. 18, no. 2, pp. 41–45, Jul. 2024, doi: 10.25134/ILKOM.V18I2.158.
B. S. Nagara, D. Oetari, Z. Apriliani, and T. Sutabri, “Penerapan Metode SDLC (System Development Life Cycle) Waterfall Pada Perancangan Aplikasi Belanja Online Berbasis Android Pada CV Widi Agro,” INTECOMS: Journal of Information Technology and Computer Science, vol. 6, no. 2, pp. 1202–1210, Dec. 2023, doi: 10.31539/INTECOMS.V6I2.8244.
