Identifikasi dan Kumulasi Pilihan Jawaban Responden Pada Kertas Lembar Jawaban Menggunakan Metoda Template Matching Joko Risanto dan Zaiful Bahri

  

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-

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

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 .

METODA PENELITIAN

  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.

  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.

  

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 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 sub- citra (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) : c(0,0) = f(0,0) x w(0,0) + f(0,1) x w(0,1) + f(1,0) x 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) 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) : 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 (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 = 1
• 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

  Pada titik (3,2) nilai c paling besar, danmenyatakan koordinat dimana template (sub-citra (a)) match pada citra (b).

HASIL DAN PEMBAHASAN

  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 meng- konversikan 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 pola-

  

Joko Risanto dan Zaiful Bahri: Identifikasi dan Kumulasi Pilihan Jawaban Responden

Pada Kertas Lembar Jawaban Menggunakan Metoda Template Matching

  pola (template) yang sudah ditentukan matrik uji. Semakin kecil selisihnya ukurannya dan sudah disiapkan dalam maka sampel itu akan semakin identik. 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 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

  Gambar 1 : Template yang akan dicocokkan pada halaman berikut.

  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

  Gambar 4 : Citra input berupa hasil scan pengenalan. LJU Kemudian dibuat interface untuk interaksi dengan user dan dapat digunakan untuk memilih dan memanggil LJU yang akan

  Gambar 2 : Ciri-ciri pola yang akan diproses seperti pada gambar 5 dibawah : 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

  

Prosiding Semirata FMIPA Universitas Lampung, 2013

  Gambar 5 : Interface Sistem dan kebenaran sistem untuk membaca Klik menu File lalu klik File Naskah dan mengenali data input. untuk memilih naskah LJU yang akan 2.

  Pengenalan LJU ini sangat baik dibaca. Jika naskah lembar jawaban telah manakala lembar LJU tidak berisi dipilih, akan ditampilkan pada interface karakter lain kecuali hanya pilihan seperti pada gambar 6 berikut : 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. dan Sekretaris Jurusan

  Ketua yang telah memfasilitasi penulis untuk mengikuti kegiatan Semirata BKS 2013 di Lampung. Gambar 6 : LJU yang telah di pilih 2.

  Setelah file LJU dalam format JPEG Ketua Program Studi Manajemen

  Informatika FMIPA Universitas Riau yang dipilih tampil maka lanjutkan dengan yang telah memberikan berbagai bantuan meng-klik tombol Proses untuk memulai sehingga penelitian ini dapat pembacaan pola. Hasil pembacaan pola dan diselesaikan. pengenalannya akan ditampilkan pada file 3.

  text notepad seperti terlihat pada gambar 7

  Seluruh Panitia Semirata BKS Tahun 2013 Universitas Lampung yang telah berikut : 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.

  Raden Sofyan Bahri and Irfan Maliki (2012), Perbandingan Algorithma

  Gambar 7 : Hasil Pengenalan LJU

  Template Matching dan Feature Extraction Pada Optical Character KESIMPULAN

  , Jurnal Komputer dan

  Recognition

  Informatika Edisi 1 Volume 1, Maret Dari ujicoba yang dilakukan dapat 2012. diambil kesimpulan sebagai berikut :

  Aryuanto, DR, Pengolahan Citra Digital, 1. Kesempurnaan melingkari huruf yang ITN Malang 2008. dipilih sangat menentukan kemampuan