Implementasi Spelling Correction pada Otomatisasi Registrasi Surat Masuk dengan Metode Peter Norvig dan Damerau-Levenshtein Distance

Abstract

Proses registrasi surat masuk masih banyak dilakukan secara manual sehingga informasi pada surat perlu diinput kembali ke dalam sistem. Teknologi Optical Character Recognition (OCR) dapat digunakan untuk mengotomatisasi proses tersebut, namun hasil ekstraksi teks masih rentan terhadap kesalahan karakter akibat noise pada dokumen, seperti logo, cap, dan tanda tangan. Penelitian ini menerapkan metode spelling correction berbasis algoritma Peter Norvig, Damerau-Levenshtein Distance, dan Sorensen-Dice Coefficient sebagai postprocessing untuk meningkatkan akurasi hasil OCR pada registrasi surat masuk. Sistem meliputi deteksi area teks (YOLO), ekstraksi teks (Tesseract OCR), dan koreksi ejaan menggunakan empat kategori kamus (bulan, nama instansi, surat, dan KBBI) yang didukung confusion mapping untuk membatasi kandidat kata sesuai pola kesalahan OCR. Pengujian dilakukan terhadap 50 sampel surat, mengukur CER dan WER sebelum dan sesudah koreksi. Hasil menunjukkan 26 dari 50 surat mengalami peningkatan akurasi, terutama pada surat berkualitas rendah, dengan WER turun dari 20,78%-31,98% menjadi 7,36%-13,37%. Sebaliknya, 9 surat mengalami penurunan akurasi akibat overcorrection. Metode ini paling efektif menangani kesalahan substitution (turun dari 347 menjadi 180 kata), namun kurang efektif pada kesalahan deletion (meningkat dari 64 menjadi 80). Efektivitas metode bergantung pada kualitas awal OCR dan jenis kesalahan, sehingga lebih sesuai untuk dokumen dengan tingkat kesalahan OCR tinggi.