...

Identifikasi dan Kumulasi Pilihan Jawaban Responden Pada Kertas

by user

on
Category: Documents
3

views

Report

Comments

Transcript

Identifikasi dan Kumulasi Pilihan Jawaban Responden Pada Kertas
Prosiding Semirata FMIPA Universitas Lampung, 2013
Identifikasi dan Kumulasi Pilihan Jawaban Responden Pada
Kertas Lembar Jawaban Menggunakan Metoda Template
Matching
Joko Risanto dan Zaiful Bahri
Jurusan Matematika FMIPA Universitas Riau
E-mail: [email protected]
Abstrak. Template Matching adalah sebuah metoda untuk mengenali citra. Komputer akan
menyimpan dan “mengingat” sebuah pola yang diberikan dalam bentuk citra. Kemudian
sebuah citra lain akan dibaca dan dibandingkan dengan pola yang telah diberikan sebelumnya
untuk dikenali. Metode ini sangat tepat untuk digunakan pada pengenalan pilihan jawaban
pada sebuah lembar jawaban, dimana pilihan jawaban yang dianggap benar ditandai dengan
sebuah lingkaran. Selanjutnya setiap citra yang dikenali dan dihitung serta diakumulasi oleh
program komputer untuk diketahui informasi jumlah setiap pilihan jawabannya.
Keyword : Template Matching, Pengenalan Citra
PENDAHULUAN
Pemrograman komputer untuk mengolah
data citra sudah sangat banyak dilakukan di
Indonesia. Berbagai bentuk pengolahan
citra seperti pengenalan wajah manusia,
pengenalan karakteristik benda atau objek,
pembacaan peta (map) dan sebagainya
adalah
contoh-contoh
keberhasilan
pemrograman image processing. Berbagai
metoda pengolahanpun telah berkembang
pesat seperti metoda agent face, metoda
metoda jaringan multilayer dan metoda
template matching.
Berkembangnya metoda ini khususnya
metode template matching menarik penulis
untuk mengaplikasikannya pada sebuah
kasus yaitu bagaimana dapat membaca
image berupa lembar jawaban siswa untuk
diidentifikasi jawaban-jawaban mereka dan
mengetahui pilihan jawaban mana yang
mereka pilih. Masalah yang akan
diselesaikan pada penelitian ini adalah
bagaimana agar file citra lembar jawaban
(dalam bentuk digital), dapat dikenali oleh
komputer dan dihitung jumlah masing-
masing pilihan jawabannya yang terdiri dari
a, b, c, d dan e.
METODA PENELITIAN
Template Matching adalah proses
mencari suatu objek (template) pada
keseluruhan objek yang berada dalam suatu
citra. Template akan dibandingkan dengan
keseluruhan objek tersebut dan bila ada
kesamaan (cocok) atau cukup dekat (mirip)
dengan suatu objek yang belum diketahui
maka objek tersebut akan ditandai sebagai
template. Perbandingan antara template
dengan keseluruhan objek pada citra dapat
dilakukan dengan menghitung selisih
jaraknya seperti berikut :
(1)
Dengan f(j,k) menyatakan citra tempat
objek yang akan dibandingkan dengan
template
T(j,k).
Sedangkan
D(m,n)
menyatakan jarak antara objek dengan
template pada citra. Pada umumnya ukuran
template jauh lebih kecil daripada ukuran
citra. Secara ideal, template dikatakan
cocok dengan citra apabila D(m,n) = 0.
Semirata 2013 FMIPA Unila |301
Joko Risanto dan Zaiful Bahri: Identifikasi dan Kumulasi Pilihan Jawaban Responden
Pada Kertas Lembar Jawaban Menggunakan Metoda Template Matching
Namun kondisi seperti ini sulit dipenuhi
apalagi bila template merupakan suatu citra
grayscale. Untuk itu aturan yang digunakan
untuk menyatakan citra cocok dengan
template adalah bila :
(2)
Dimana
adalah merupakan nilai
threshold. Pada penelitian ini pengenalan
karakter (Optical Character Recognition)
atau OCR yang dikenali adalah karakter
objek gambar huruf yang dilingkari. Objek
tersebut dapat saja terdapat dalam lembar
jawaban hasil ujian atau hasil pooling dari
sebuah survey yang telah di scan menjadi
digital. Proses pengenalan karakter yang
diterapkan menggunakan metode Template
Matching, dimana cara kerja metode ini
adalah melakukan pattern recognition pada
karakter yang ingin dikenali dan
membandingkan antara input pattern
dengan template yang telah disimpan.
Contoh:Sebuah citra grayscale seperti
terlihat di gambar 1(a). Gambar 1(b)
memperlihatkan
sebuah
sub-citra
(template). Kita akan mencari gambar 4(b)
di gambar 4(a) dengan template matching.
(Angka yang dituliskan di setiap
kotak/pixel pada gambar adalah nilai
graylevel-nya).
Dengan menggunakan persamaan diatas
kita hitung koefisien korelasi dari setiap
titik/pixel sebagai berikut :
Kita bisa membuat/memisalkan titik origin
untuk citra (a) di pojok kiri atas dan subcitra (b) juga di pojok kiri atas. (x untuk
arah vertikal/ke bawah, dan y untuk arah
horisontal/ke kanan).
Disini x = 0,1,2,3 dan y = 0,1,2,3
- Titik (0,0) :
302| Semirata 2013 FMIPA Unila
c(0,0)
x
= f(0,0) x w(0,0) + f(0,1) x w(0,1) + f(1,0)
w(1,0) + f(1,1) x w(1,1)
= 0 x 10 + 25 x 100 + 0 x 100 + 0 x 100
= 0 + 2500 + 0 + 0
= 2500
- Titik (0,1) :
c(0,1) = f(0,1) x w(0,0) + f(0,2) x w(0,1) + f(1,1)
x
w(1,0) + f(1,2) x w(1,1)
= 25 x 10 + 25 x 100 + 0 x 100 + 25 x 100
= 250 + 2500 + 2500
= 5250
- Titik (0,2) :
c(0,2) = f(0,2) x w(0,0) + f(0,3) x w(0,1) + f(1,2)
x
w(1,0) + f(1,3) x w(1,1)
= 25 x 10 + 0 x 100 + 25 x 100 + 50 x 100
= 250 + 2500 + 5000
= 7750
- Titik (0,3) :
c(0,3) = f(0,3) x w(0,0) + f(0,4) x w(0,1) + f(1,3)
x
w(1,0) + f(1,4) x w(1,1)
= 0 x 10 + 0 x 100 + 50 x 100 + 50 x 100
= 5000 + 5000
= 10000
- Titik (1,0) :
c(1,0) = f(1,0) x w(0,0) + f(1,1) x w(0,1) + f(2,0)
x
w(1,0) + f(2,1) x w(1,1)
= 0 x 10 + 0 x 100 + 5 x 100 + 50 x 100
= 500 + 5000
= 5500
- Titik (1,1) :
c(1,1) = f(1,1) x w(0,0) + f(1,2) x w(0,1) + f(2,1)
x
w(1,0) + f(2,2) x w(1,1)
= 0 x 10 + 25 x 100 + 50 x 100 + 5 x 100
= 2500 + 5000 + 500
= 8000
- Titik (1,2):
c(1,2) = f(1,2) x w(0,0) + f(1,3) x w(0,1) + f(2,2)
x
w(1,0) + f(2,3) x w(1,1)
= 25 x 10 + 50 x100 + 5 x 100 + 5 x 100
=250 + 5000 + 500 + 500
=6250
Prosiding Semirata FMIPA Universitas Lampung, 2013
- Titik (1,3):
c(1,3) = f(1,3) x w(0,0) + f(1,4) x w(0,1) + f(2,3)
x
w(1,0) + f(2,4) x w(1,1)
= 50 x 10 + 50 x 100 + 5 x 100 + 5 x 100
= 500 + 5000 + 500 + 500
= 6500
- Titik (2,0) :
c(2,0) = f(2,0) x w(0,0) + f(2,1) x w(0,1) + f(3,0)
x
w(1,0) + f(3,1) x w(1,1)
= 5 x 10 + 50 x 100 + 0 x 100 + 20 x 100
= 50 + 5000 + 2000
= 7050
- Titik (2,1) :
c(2,1) = f(2,1) x w(0,0) + f(2,2) x w(0,1) + f(3,1)
x
w(1,0) + f(3,2) x w(1,1)
= 50 x 10 + 5 x 100 + 20 x 100 + 10 x 100
= 500 + 500 + 2000 + 1000
= 4000
- Titik (3,2) :
c(3,2) = f(3,2) x w(0,0) + f(3,3) x w(0,1) + f(4,2)
x
w(1,0) + f(4,3) x w(1,1)
= 10 x 10 + 100 x 100 + 100 x 100 + 100 x
100
= 100 + 10000 + 10000 + 10000
= 30100
- Titik (3,3):
c(3,3) = f(3,3) x w(0,0) + f(3,4) x w(0,1) + f(4,3)
x
w(1,0) + f(4,4) x w(1,1)
= 100 x 10 + 5 x 100 + 100 x 100 + 5 x 100
= 1000 + 500 + 10000 + 500
= 12000
Pada titik (3,2) nilai c paling besar,
danmenyatakan koordinat dimana template
(sub-citra (a)) match pada citra (b).
HASIL DAN PEMBAHASAN
- Titik (2,2):
c(2,2) = f(2,2) x w(0,0) + f(2,3) x w(0,1) + f(3,2)
x
w(1,0) + f(3,3) x w(1,1)
= 5 x 10 + 5 x 100 + 10 x 100 + 100 x 100
= 50 + 500 + 1000 + 10000
=11550
- Titik (2,3) :
c(2,3) = f(2,3) x w(0,0) + f(2,4) x w(0,1) + f(3,3)
x
w(1,0) + f(3,4) x w(1,1)
= 5 x 10 + 5 x 100 + 100 x 100 + 5 x 100
= 50 + 500 + 10000 + 500
= 11050
- Titik (3,0) :
c(3,0) = f(3,0) x w(0,0) + f(3,1) x w(0,1) + f(4,0)
x
w(1,0) + f(4,1) x w(1,1).
= 0 x 10 + 20 x 100 + 0 x 100 + 0 x 100
= 2000
- Titik (3,1) :
c(3,1) = f(3,1) x w(0,0) + f(3,2) x w(0,1) + f(4,1)
x
w(1,0) + f(4,2) x w(1,1)
= 20 x 10 + 10 x 100 + 0 x 100 + 100 x 100
= 200 + 1000 + 10000
= 11200
Dalam hal memeriksa lembar jawaban
atau lembar kuesioner misalnya, kecepatan
dan ketepatan sangat diperlukan. Bagi
seorang guru atau seorang peneliti,
memeriksa lembar jawaban ujian (LJU)
tentulah tidak mudah karena diperlukan
kesabaran dan ketelitian agar hasil
pemeriksaan menjadi benar, valid dan
objektif. Software pendukung pemeriksaan
lembar jawaban ini akan melakukan sebuah
proses pengenalan atau disebut recognition
pada text lembar jawaban ujian (LJU) yang
sudah berupa file JPEG dan mengkonversikan hasil pengenalan tersebut
kedalam text. Proses ini dikenal dengan
nama Optical Character Recognition
(OCR). Ada dua jenis proses recognition
yang diterapkan dalam mengenali karakter
yaitu image correlation dan feature
extraction. Adapun tahapan-tahapan yang
dilakukan adalah sebagai berikut :
1. Preprocessing adalah dengan melakukan
persiapan awal untuk melakukan proses
pengenalan, seperti menyiapkan polaSemirata 2013 FMIPA Unila |303
Joko Risanto dan Zaiful Bahri: Identifikasi dan Kumulasi Pilihan Jawaban Responden
Pada Kertas Lembar Jawaban Menggunakan Metoda Template Matching
pola (template) yang sudah ditentukan
ukurannya dan sudah disiapkan dalam
bentuk digital, melakukan cropping
image, serta konversi ke binary image.
Adapun template yang dijadikan
pembanding adalah berupa image
berukuran 42 x 24 Pixel seperti pada
gambar 1 berikut:
Gambar 1 : Template yang akan dicocokkan
2. Future Extracting adalah tahapan untuk
meng-ekstraksi image dari pola-pola
yang ada yang berguna untuk mengenali
informasi ciri penting dari sebuah citra
seperti huruf A yang dilingkar, huruf B
yang dilingkar, huruf C yang dilingkar,
huruf D yang dilingkar dan huruf E yang
dilingkar seperti pada gambar 2 berikut.
Nilai-nilai hasil ekstraksi akan diambil
sebagai pembanding pada saat proses
pengenalan.
Gambar 2 : Ciri-ciri pola yang akan
diberikan
3. Pelatihan pola. Pada tahap ini citra
dilatih menggunakan software Matlab
dan hasilnya akan disimpan dalam
database untuk dibaca pada saat proses
pengujian.
4. Tahap pengujian yaitu membandingkan
citra input dengan citra yang telah
diambil terlebih dahulu nilai-nilai
cirinya. Pada tahap ini metode Template
Matching digunakan yaitu dengan
mencari selisih antar matrik latih dengan
304| Semirata 2013 FMIPA Unila
matrik uji. Semakin kecil selisihnya
maka sampel itu akan semakin identik.
Gambar 3 : Tahapan Proses Pengenalan
Citra input untuk adalah lembar jawaban
ujian (LJU) yang telah di scan sehingga
menjadi bentuk digital dengan file citra
bertipa JPEG atau GIF. Lihat gambar 4
pada halaman berikut.
Gambar 4 : Citra input berupa hasil scan
LJU
Kemudian dibuat interface untuk interaksi
dengan user dan dapat digunakan untuk
memilih dan memanggil LJU yang akan
diproses seperti pada gambar 5 dibawah :
Prosiding Semirata FMIPA Universitas Lampung, 2013
Gambar 5 : Interface Sistem
Klik menu File lalu klik File Naskah
untuk memilih naskah LJU yang akan
dibaca. Jika naskah lembar jawaban telah
dipilih, akan ditampilkan pada interface
seperti pada gambar 6 berikut :
Gambar 6 : LJU yang telah di pilih
Setelah file LJU dalam format JPEG
yang dipilih tampil maka lanjutkan dengan
meng-klik tombol Proses untuk memulai
pembacaan pola. Hasil pembacaan pola dan
pengenalannya akan ditampilkan pada file
text notepad seperti terlihat pada gambar 7
berikut :
dan kebenaran sistem untuk membaca
dan mengenali data input.
2. Pengenalan LJU ini sangat baik
manakala lembar LJU tidak berisi
karakter lain kecuali hanya pilihan
jawaban saja.
3. Format susunan jawaban pada LJU
dalam penelitian ini yang diuji hanyalah
terdiri dari 15 (limabelas) kolom dan 21
(duapuluhsatu) baris.
UCAPAN TERIMAKASIH
Ucapan
terimakasih
yang
tulus
disampaikan kepada :
1. Ketua
dan
Sekretaris
Jurusan
Matematika FMIPA Universitas Riau
yang telah memfasilitasi penulis untuk
mengikuti kegiatan Semirata BKS 2013
di Lampung.
2. Ketua Program Studi Manajemen
Informatika FMIPA Universitas Riau
yang telah memberikan berbagai bantuan
sehingga
penelitian
ini
dapat
diselesaikan.
3. Seluruh Panitia Semirata BKS Tahun
2013 Universitas Lampung yang telah
bekerja keras dan penuh dedikasi
sehingga seminar BKS PTN Wilayah
Barat 2013 dapat terlaksana dengan
sangat baik dan lancar.
DAFTAR PUSTAKA
Darma Putra (2010), Pengolahan Citra
Digital, Andy Offset Yogyakarta,
Oktober 2010.
Gambar 7 : Hasil Pengenalan LJU
KESIMPULAN
Dari ujicoba yang dilakukan dapat
diambil kesimpulan sebagai berikut :
1. Kesempurnaan melingkari huruf yang
dipilih sangat menentukan kemampuan
Raden Sofyan Bahri and Irfan Maliki
(2012),
Perbandingan
Algorithma
Template Matching dan Feature
Extraction Pada Optical Character
Recognition, Jurnal Komputer dan
Informatika Edisi 1 Volume 1, Maret
2012.
Aryuanto, DR, Pengolahan Citra Digital,
ITN Malang 2008.
Semirata 2013 FMIPA Unila |305
Fly UP