Alifia Fitrah Maharani, Masnur Masnur, Nurdiansyah Sirimorok, Sudirman Sahidin

Aplikasi Pendeteksi Boikot Pada Kemasan Produk Konsumen Berbasis Optical Character Recognition

Introduction

Aplikasi pendeteksi boikot pada kemasan produk konsumen berbasis optical character recognition. Aplikasi pendeteksi produk boikot berbasis OCR membantu konsumen mengidentifikasi produk yang diboikot dari kemasan. Tingkatkan keputusan pembelian berlandaskan nilai.

Abstract

Kesadaran konsumen terhadap isu sosial dan politik semakin mendorong kebutuhan akan alat bantu yang mampu mengidentifikasi produk-produk yang termasuk dalam daftar boikot. Penelitian ini bertujuan untuk merancang dan mengembangkan aplikasi berbasis Optical Character Recognition (OCR) yang dapat mendeteksi produk boikot melalui pemindaian teks pada kemasan. Aplikasi ini diintegrasikan dengan database produk boikot yang dapat diperbarui secara dinamis. Metodologi yang digunakan adalah rekayasa perangkat lunak eksperimental dengan model pengembangan Waterfall, mencakup tahapan analisis, desain, implementasi, pengujian, dan evaluasi. Pengujian dilakukan terhadap 30 responden yang menggunakan aplikasi dalam berbagai kondisi pencahayaan dan jenis kemasan. Data evaluasi dikumpulkan melalui kuesioner dengan 15 indikator kepuasan pengguna. Hasil menunjukkan bahwa aplikasi mampu mendeteksi teks dengan akurasi tinggi dalam kondisi pencahayaan normal (91%) dan memberikan pengalaman penggunaan yang memuaskan, terutama dalam hal kecepatan, kemudahan akses, dan stabilitas. Namun, kelemahan teridentifikasi pada aspek kelengkapan daftar boikot dan informasi pendukung hasil deteksi. Penelitian ini menyimpulkan bahwa aplikasi OCR dapat menjadi sarana efektif dalam mendukung keputusan konsumtif berbasis nilai. Aplikasi ini tidak hanya berfungsi secara teknis, tetapi juga berperan sebagai media advokasi digital. Rekomendasi diarahkan pada peningkatan integrasi data dan penyempurnaan informasi kontekstual untuk memperkuat kepercayaan pengguna terhadap hasil deteksi.

Review

This paper, titled "Aplikasi Pendeteksi Boikot Pada Kemasan Produk Konsumen Berbasis Optical Character Recognition," presents a highly relevant and timely solution for the increasing consumer demand for tools that facilitate value-driven purchasing decisions. The authors introduce an Optical Character Recognition (OCR)-based application designed to identify products subject to boycotts by scanning text on product packaging and integrating with a dynamically updated boycott database. This work directly addresses a critical need for digital aids that empower consumers to align their purchasing habits with social and political awareness, showcasing a practical and impactful application of technology in consumer advocacy. The research employs a robust experimental software engineering methodology, adhering to a Waterfall development model that covers analysis, design, implementation, testing, and evaluation. A significant strength lies in the structured evaluation process, which involved 30 respondents testing the application under diverse lighting conditions and packaging types, with user satisfaction assessed via 15 key indicators. The reported results are commendable, demonstrating a high text detection accuracy of 91% under normal lighting conditions and positive user feedback regarding the application's speed, ease of access, and stability. This not only validates the technical feasibility of the OCR solution but also underscores its potential as an effective digital advocacy medium. Despite its promising capabilities, the abstract candidly identifies critical areas for improvement. Foremost among these are the completeness of the boycott product list and the current lack of comprehensive supporting information accompanying detected results. To significantly enhance user trust and the application's overall utility, future development should prioritize the integration of a more robust and frequently updated database, potentially leveraging authoritative external sources. Additionally, enriching the contextual information provided alongside detection results—such as the specific reasons for a boycott or its originating organization—would greatly strengthen the application's credibility and its role as an informative advocacy tool. Addressing these limitations will be crucial for maximizing the application's long-term impact and fostering widespread adoption.

Full Text

Comments

You need to be logged in to post a comment.