PENINGKATAN AKURASI EKSTRAKSI TEKS PADA CITRA RAMBU LALU LINTAS BERBASIS TEKS MENGGUNAKAN INTEGRASI EASY OCR DENGAN LANCZOS INTERPOLATION DAN NONLINEAR UNSHARP MASKING

Latar Belakang: Ekstraksi teks pada rambu lalu lintas berbasis teks penting untuk mendukung sistem Advanced Driver Assistance Systems (ADAS). Namun, rambu yang terekam dari jarak jauh sering menghasilkan Region of Interest (ROI) berukuran kecil dan direpresentasikan oleh sedikit piksel, sehingga karakter teks menjadi kurang jelas dan menurunkan akurasi OCR. Tujuan: Penelitian ini bertujuan meningkatkan akurasi ekstraksi teks pada rambu lalu lintas berbasis teks menggunakan integrasi YOLOv11, Adaptive Lanczos Interpolation, Nonlinear Unsharp Masking, Probabilitas, dan EasyOCR. Metode: Data diperoleh dari rekaman video dashcam DDPAI N5 pada kondisi berkendara nyata. YOLOv11 digunakan untuk mendeteksi rambu dan menghasilkan ROI. ROI kemudian diproses menggunakan Adaptive Lanczos Interpolation untuk memperbesar representasi teks dan Nonlinear Unsharp Masking untuk memperkuat struktur karakter sebelum dikenali menggunakan EasyOCR. Tahap probabilitas digunakan untuk membantu memperbaiki hasil OCR berdasarkan kandidat pada lexicon. Hasil: Model YOLOv11 memperoleh Precision 1,00, Recall 1,00, F1-Score 1,00, mAP50 0,995, dan mAP50–95 0,943. Pada ekstraksi teks, metode baseline menghasilkan Character Level Accuracy (CLA) 86,87% dan Word Level Accuracy (WLA) 65,88%, sedangkan metode usulan meningkat menjadi Character Level Accuracy (CLA) 91,59% dan Word Level Accuracy (WLA) 73,04%. Kesimpulan: Metode usulan mampu meningkatkan akurasi ekstraksi teks pada rambu lalu lintas berbasis teks, terutama pada rambu yang terekam dari jarak jauh, dengan tambahan waktu komputasi yang relatif kecil.