View of Pembangunan Perangkat Lunak Bantu untuk Menyelesaikan Persoalan Matematika dengan Menggunakan Optical Character Recognition Berbasis Android

  INSIGHT

  Volume 1 No. 1 | April 2018 : 171-177

  

Pembangunan Perangkat Lunak Bantu untuk

Menyelesaikan Persoalan Matematika dengan

Menggunakan Optical Character Recognition

Berbasis Android

  

Fauzan Adiima¹, Mohamad Irfan², Aldy Rialdy Atmadja³

Jurusan Teknik Informatika, Fakultas Sains dan Teknologi UIN SGD Bandung

Jl. A.H. Nasution 105 Bandung 40614

  

¹fauzanadiima54@gmail.com, ²irfan.bahaf@uinsgd.ac.id, ³aldy@if.uinsgd.ac.id

Abstract- In the design of image applications is needed to accuracy on the results so that the image can produce output in

accordance with what we expect. One of them is the application of Optical Character Recognition (OCR) on math problems.

Applications using OCR are familiar and widely used by most people, especially OCR in math problems. But there is not much OCR in Arabic math problems. This application detects on Arabic math problems. In this study, using the Oess

Tesseract engine as a character detection tool. The method used is Nearest Neighbor Interpolation Algorithm and Luminosity

Algorithm. With Nearest Neighbor Interpolation algorithms can get better accuracy when detecting characters, the Luminosity algorithm can detect degan characters faster and the system will calculate math problems using the MXparser library. The results obtained from the test that is 71.42% of character testing and 62.85% for handwriting testing. After getting the results then the system will display the results of mathematical problems.

  

Keywords : Optical Character Recognition, Arabic Math, OCR, Image Processing, Tesseract, Nearest Neighbor Interpolation

Algorithm, Luminosity Algorithm, MXparser

Abstrak- Dalam perancangan aplikasi citra sangatlah dibutuhkan ke akuratan pada hasil agar hasil citra dapat menghasilkan

output sesuai dengan yang kita harapkan. Salah satunya adalah aplikasi Optical Character Recognition (OCR) pada persoalan

matematika. Aplikasi dengan menggunakan OCR sudahlah tidak asing dan sangat banyak digunakan oleh kebanyakan

orang, terutama OCR dalam persoalan matematika. Namun tidak banyak OCR dalam persoalan matematika berbahasa

arab. Aplikasi ini mendeteksi pada persoalan matematika bahasa arab. Dalam penelitian ini, menggunakan engine OCR

Tesseract sebagai alat pendeteksi karakter. Metode yang digunakan adalah Algoritma Nearest Neighbor Interpolation dan

Algoritma Luminosity. Dengan Algoritma Nearest Neighbor Interpolation dapat mendapatkan akurasi yang lebih baik saat

mendeteksi karakter, algoritma Luminosity dapat mendeteksi karakter degan lebih cepat dan sistem akan menghitung soal

matematika dengan menggunakan library MXparser. Hasil yang didapat dari pengujian yaitu 71.42% dari pengujian

karakter dan 62.85% untuk pengujian tulisan tangan. Setelah mendapatkan hasil maka sistem akan menampilkan hasil dari

persoalan matematika.

  Kata kunci- Optical Character Recognition, Matematika Arab, OCR, Image Processing, Tesseract, Algoritma Nearest Neighbor Interpolation, Algoritma Luminosity, MXparser

  I. PENDAHULUAN masih banyak orang yang membutuhkan teknologi untuk Pada era komputerisasi informasi telah berkembang menghitung persoalan matematika sehingga dibutuhkannya aplikasi smartphone untuk menghitung dengan pesat. Terdapat sistem operasi yang berkembang persoalan matematika. antara lain mobile phone dan smartphone. Smartphone

  Permasalahan muncul karena matematika sebagai produk mobile phone dewasa ini lebih membutuhkan waktu yang sangat lama untuk dijabarkan berkembang dan lebih diminati penggunaannya oleh jika secara manual apalagi apabila angka dengan nominal masyarakat karena beragam fitur dapat ditampilkan untuk yang cukup besar dan terlebih lagi apabila kita memenuhi kebutuhan dan daya tarik tersendiri bagi para membutuhkan perhitungan menggunakan perhitungan penggunanya. dengan bahasa arab. Untuk mengatasi permasalahan efesien waktu pengerjaan, salah dalam menginputkan

  Matematika itu bukan ilmu pengetahuan menyendiri angka dan sulit menginputkan perhitungan dengan angka yang dapat sempurna karena dirinya sendiri, tetapi adanya arab. Terlebih lagi kebanyakan orang-orang kaya pada matematika itu terutama untuk membantu manusia dalam zaman ini adalah bangsa arab yang memiliki banyak memahami dan menguasai permasalahan ekonomi, sosial tambang minyak dan barang tentu menggunakan bahasa dan alam[2]. Namun hanya sebagian kecil orang saja yang arab. Teknik Optical Character Recognition (OCR) dapat bisa menghitung matematika secara manual dengan cepat,

  INSIGHT

  buruk jika gambar input tidak diproses sesuai dengan itu: gambar (terutama tangkapan layar) harus ditingkatkan sedemikian rupa sehingga teks x-height setidaknya 20 piksel, rotasi atau kemiringan harus dikoreksi. atau tidak ada teks yang akan dikenali, perubahan frekuensi rendah pada kecerahan harus disaring dengan tinggi, atau tahap binerisasi Tesseract akan menghancurkan sebagian besar halaman, dan batas gelap harus dihapus secara manual, atau akan disalah artikan sebagai karakter[7].

  II. METODE PENELITIAN Model pengembangan sistem yang dibangun menggunakan metode RUP (Rational Unified Process) dengan proses seperti pada Gambar 3. berikut :

  complete adalah hasil dari algoritma Nearest Neighbor Interpolation .

  = 8). Piksel yang berwana hitam mewakili ruang kosong yang memerlukan interpolasi, dan gambar

  2

  8, ℎ

  1 = 4, ℎ 1 = 4)akan diperbesar menjadi 8 x 8 2 =

  Gambar 2. Proses Pengskalaan Citra Pada Gambar 2. citra dengan dimensi 4 x 4 pixel

  dengan implementasi yang sederhana dan tercepat dalam pengskalaan citra[22]. Pada prinsipnya cara teknik skala citra adalah dengan membangun citra baru dari citra asal. Citra baru yang dibuat bisa menajdi lebih kecil, sama, atau lebih besar tergantung pada rasio pengskalaan.

  INTERPOLATION Nearest Neighbor Interpolation adalah Algoritma

  D. ALGORITMA NEAREST NEIGHBOR

  Gambar 1. Perbandingan hasil grayscale Dari gambar 1. kita dapat melihat hasil perbedaan yang sangat signifikan dari ketiga metode grayscale. bahwa metode luminosity memperlihatkan hasil yang sesuai dengan kecerahan dari gambar original.

  C. ALGORITMA LUMINOSITY Luminosity merupakan algoritma untuk mengubah warna menjadi hitam dan putih dengan mempertahankan beberapa intensitas warna[20]. Algoritma Luminosity bekerja dengan mengalikan setiap nilai R G B dengan konstanta tertentu yang sudah ditetapkan nilainya, kemudian hasil perkalian seluruh nilai R G B dijumlahkan satu sama lain. Rumus matematisnya adalah : Grayscale = (0.21 * R) + (0.72 * G) + (0.07 * B)[21].

  Output Tesseract akan memiliki kualitas yang sangat

  ISSN 2620-5467 (Online)

  Jika Tesseract digunakan untuk memproses teks kanan ke kiri seperti bahasa Arab atau bahasa Ibrani, hasilnya diurutkan seolah-olah teksnya adalah teks dari kiri ke kanan. Tesseract cocok untuk digunakan sebagai backend dan dapat digunakan untuk tugas OCR yang lebih rumit termasuk analisis tata letak dengan menggunakan frontend seperti OCRopus[18].

  B. TESSERACT OPTICAL CHARACTER RECOGNITION (OCR) ENGINE Tesseract adalah mesin pengenal karakter optik gratis. Tesseract pada awalnya dikembangkan sebagai perangkat lunak berpemilik di Hewlett-Packard antara tahun 1985 hingga 1995. Setelah sepuluh tahun tanpa perkembangan apapun yang terjadi, Hewlett Packard dan UNLV merilis Tesseract sebagai sumber terbuka pada tahun 2005. Tesseract saat ini sedang dikembangkan oleh Google dan dirilis di bawah Lisensi Apache, Version 2.0[19].

  file berupa image dan image tersebut akan di convert atau dijadikan file berupa teks[18].

  Fungsi aplikasi OCR berfungsi untuk merubah data yang telah selasai di scan oleh scanner yang akan menjadi

  Dengan adanya OCR, Image yang bertulisan tangan, tulisan mesin ketik atau computer text , dapat dimanipulasi. Text yang di scan dengan OCR dapat dicari kata per kata atau per kalimat. Dan setiap text dapat dimanipulasi, diganti, atau diberikan barcode[17].

  image dan dijadikan text, dan aplikasi ini juga bisa menjadi support /aplikasi tambahan untuk scanner.

  A. OCR (OPTICAL CHARACTER RECOGNITION) OCR (Optical Character Recognition) adalah aplikasi yang berfungsi untuk men scan gambar pada

  juga gratis[4]. Tesseract menunjukkan hasil yang signifikan hingga 95% akurasi dengan gambar yang tepat[5].

  Engine OCR yang menyedikan layanan open source dan

  Banyak software OCR pada perangkat mobile yang mendukung pembacaan angka arab dan latin yang bekerja dengan baik seperti Asprise, ABBYY's , Tesseract, dsb. Hanya saja tidak banyak yang menyediakan layanan open source dan gratis. Tesseract merupakan salah satu

  172 dimanfaatkan dalam perhitungan matematika. OCR adalah aplikasi yang menerjemahkan gambar karakter (image character) menjadi bentuk teks dengan cara menyesuaikan pola karakter per baris dengan pola yang telah tersimpan dalam database aplikasi[3].

  Pembangunan Perangkat Lunak Bantu Untuk Menyelesaikan Persoalan Matematika Dengan Menggunakan Optical Character Recognition Berbasis Android

  Gambar 3. Metode RUP INSIGHT | Volume 1 No. 1 | April 2018 : 171-177 173

  RUP berfungsi untuk mengontrol perubahan- perubahan yang terjadi pada software selama proses pengembangannya. RUP memiliki 4 tahap atau fase yang dapat dilakukan pula secara iteratif. Berikut adalah penjelasan untuk setiap fase RUP[8]:

  Interpolation

  C. ANALISIS MXPARSER Gambar 6. Proses MXparser

  proses ini diharapkan dapat mempercepat hasil OCR dan meningkatkan akurasi. Sesuai dengan jurnal yang ditulis oleh Patel[27] bahwa citra grayscale lebih cepat dan tepat dalam proses OCR Tesseract. Serta membantu dalam keadaan saat intensitas cahaya kurang baik untuk mengambil gambar.

  Luminosity yang dapat dilihat pada Gambar 5. Tujuan

  Proses mengubah warna citra dengan algoritma

  B. ANALISIS ALGORITMA LUMINOSITY Gambar 5. Flowchart Algoritma Luminosity

  4. Tujuan proses ini adalah agar citra terbaca dengan baik oleh Tesseract. Tesseract akan menghasilkan akurasi yang maksimal pada gambar yang memiliki DPI (Dot Per Inch) minimal 300[26]. Perangakat mobile Android memiliki sensor kamera yang berbeda-beda sehingga perlu dilakukanya pembesaran citra. Serta membutuhkan intensitas cahaya yang mendukung sehingga membutuhkan kualitas yang baik.

  Proses mengubah ukuran citra dengan algoritma Nearest Neighbor Interpolation dapat dilihat pada Gambar

  INTERPOLATION Gambar 4. Flowchart Algoritma Nearest Neighbor

  1. Inception (permulaan) Tahap ini lebih pada memodelkan proses bisnis yang dibutuhkan (business modeling) dan mendefinisikan kebutuhan akan sistem yang akan dibuat (requirements).

  A. ANALISIS ALGORITMA NEAREST NEIGHBOR

  III. HASIL DAN PEMBAHASAN

  kemampuan operasional awal. Aktifitas pada tahap ini termasuk pada pelatihan user, pemeliharaan dan pengujian sistem apakah sudah memenuhi harapan user.

  Operational Capability Milestone atau batas/tonggak

  4. Transition (transisi) Tahap ini lebih pada deployment atau instalasi sistem agar dapat dimengerti oleh user. Tahap ini menghasilkan produk perangkat lunak dimana menjadi syarat dari Initial

  3. Contruction (kontruksi) Tahap ini fokus pada pengembangan komponen dan fitur-fitur sistem. Tahapan ini lebih pada implementasi dan pengujian sistem yang fokus pada implementasi perangkat lunak pada kode program. Tahap ini menghasilkan produk perangkat lunak dimana menjadi syarat dari Initial Operational Capability Milestone atau batas/tonggak kemampuan operasional awal.

  2. Elaboration (perluasaan/perencanaan) Tahap ini lebih difokuskan pada perencanaan arsitektur sistem. Tahap ini juga dapat mendeteksi apakah arsitektur sistem yang diinginkan dapat dibuat atau tidak. Mendeteksi resiko yang mungkin terjadi dari arsitektur yang dibuat. Tahap ini lebih pada analisis dan desain sistem serta implementasi sistem yang fokus pada purwarupa sistem (prototype).

  Pada analisis MXparser ini bertujuan untuk menghitung angka pada teks yang di dapat setelah melalui proses Algoritma Neirest Neighbor Interpolation dan Algoritma Luminosity. Setelah teks soal arab didapatkan maka soal akan diubah ke angka latin dan dihitung dengan menggunakan MXparser. Setelah dihitung akan di convert kembali ke bahasa arab.

  INSIGHT

  ISSN 2620-5467 (Online)

  D. ARSITEKTUR APLIKASI Arsitektur Aplikasi ini berfungsi untuk mengabarkan secara umum proses yang berjalan pada aplikasi yang dibangun. Berikut adalah gambar arsitektur aplikasi :

  Gambar 8. Activity Diagram Menyimpan Hasil Foto Activity Diagram menampilkan text hasil OCR dapat dilihat pada Gambar 8. berikut:

  Gambar 6. Arsitektur Aplikasi Pada Gambar 6. menunjukan proses OCR pada aplikasi yang dibangun. Gambar yang berwarna merah merupakan user, user membuka aplikasi pada handphone android dan mengambil gambar. Lalu gambar akan di proses dengan Algoritma Nearest Neighbor Interpolation untuk memperbesar skala gambar fungsinya agar dapat lebih mudah di baca oleh OCR, lalu gambar di proses dengan Algoritma Luminosity agar gambar berbubah menjadi grayscale untuk mempermudah dan Gambar 9. Activity Diagram Menampilkan Text Hasil mempercepat proses OCR. Selanjutnya gambar masuk ke

  OCR. proses Tesseract yaitu mendeteksi katakter matematika arab pada gambar dan menampilkan hasil teks. Yang

  G. CLASS DIAGRAM terakhir adalah masuk ke library MXparser untuk Class Diagram juga menjelaskan hubungan antar melakukan perhitungan matematika, lalu hasil teks akan

  class dalam sebuah sistem yang sedang dibuat dan

  diterima oleh user. bagaimana caranya agar mereka saling berkolaborasi untuk mencapai sebuah tujuan. Class Diagram untuk E. USE CASE DIAGRAM sistem ini dapat dilihat pada Gambar 10.berikut:

  Use Case Diagram merupakan gambaran dari

  hubungan antara user dengan sistem. Use Case Diagram pada sistem yang akan diangun dapat dilihat pada Gambar 7. berikut:

  Gambar 7. Use Case Diagram

  F. ACTIVITY DIAGRAM Gambar 10. Class Diagram

  Activity Diagram merupakan diagram yang

  menggambarkan workflow (aliran kerja) atau aktivitas

  H. IMPLEMENTASI ANTARMUKA dari sebuah sistem atau proses bisnis. Berikut adalah

  1. Antarmuka Menu Utama Activity Diagram pada aplikasi yang akan dibangun.

  Antarmuka menu utama merupakan menu awal pada Diagram menyimpan hasil foto dapat dilihat paga

  Activity

  aplikasi dimana terdapat tombol foto dan tombol auto Gambar 8. berikut: focus .

  Pembangunan Perangkat Lunak Bantu Untuk Menyelesaikan 174

  Persoalan Matematika Dengan Menggunakan Optical Character Recognition Berbasis Android

  INSIGHT | Volume 1 No. 1 | April 2018 : 171-177 175

  √(٩)+ √(٨) √(٩)+ √(٨) √(9)+ √(8) 1080 Terbaca 6. sin( ٣٠) sin( ٣٠) sin(30) 954 Terbaca 7. (

  5.

  √(٩)+ √(٨) √(٩)+ √(٨) √(9)+ √(8) 940 Terbaca 6. sin( ٣٠) sin( ٣٠) sin(30) 1103 Terbaca 7. (

  ٩+٧)(٣×١) ( ٩+٧)(٣×١) (9+7) ×

  (3×1) 1124 Terbaca

  Iterasi

  4 Soal OCR Hasil OCR Latin Waktu Proses(/ ms) Hasil 1.

  ١٢٣٤٥٦٧٨ ٩٠ ١٢٣٤٥٦٧٨٩ ٠

  123456789 922 Terbaca 2. (×/+-

  √)² (××/+- √)² (××/+-

  √)^(2) 713 Sebagian Terbaca

  3. cos( ٩٠) cos( ٩٠) cos(9o) 961 Sebagian

  Terbaca 4. ٦(٩+٧) ٦(٩+٧) 6(9+7) 625 Terbaca

  5.

  ٩+٧)(٣×١) ( ٩+٧)(٣×١) (9+7) ×

  123456789 1019 Terbaca 2. (×/+- √)² (×/+- √)² (×/+- √)^(2) 1092 Terbaca

  (3×1) 830 Terbaca

  Iterasi

  5 Soal OCR Hasil OCR Latin Waktu Proses(/ ms) Hasil 1.

  ١٢٣٤٥٦٧٨ ٩٠ ١٢٣٤٥٦٧٨٩ ٠

  123456789 966 Terbaca 2. (×/+-

  √)² (×/+- √a² (×/+-

  √a^(2) 1127 Sebagian Terbaca

  3. cos( ٩٠) cos( ٩٠) cos(90) 859 Terbaca 4.

  ٦(٩+٧) ٦(٩+٧) 6(9+7) 535 Terbaca 5. √(٩)+ √(٨) √(٩)+ √(٨) √(9)+ √(8) 837 Terbaca 6. sin(

  ٣٠) sin( ٣٠) sin(30) 722 Terbaca

  7. ( ٩+٧)(٣×١) ( ٩+٧)(٣×١)

  (9+7)(3×1) 705 Terbaca

  Tabel 2. Hasil Pengujian Karakter dan Simbol

  Pengujian Hasil Terbaca Sebagian Terbaca Tidak Terbaca 1.

  3. cos( ٩٠) cos( ٩٠) cos(90) 1276 Terbaca 4. ٦(٩+٧) ٦(٩+٧) 6(9+7) 659 Terbaca

  ١٢٣٤٥٦٧٨ ٩٠ ١٢٣٤٥٦٧٨٩ ٠

  Gambar 11. Menu Utama

  ٦(٩+٧) ٦(٩+٧) 6(9+7) 789 Terbaca

  2. Antarmuka Memproses Gambar Antarmuka memproses gambar merupakan antarmuka yang menampilkan sebuah progressbar dan akan tampil setelah gambar di foto.

  Gambar 12. Memproses Gambar

  3. Antarmuka Hasil OCR Antarmuka hasil OCR merupakan antarmuka yang menampilkan gambar yang terlah di foto, soal perhitungan dan hasil perhitungan yang telah melalui proses OCR.

Gambar 4.3 Hasil OCR

  I. PENGUJIAN KARAKTER DAN SIMBOL Pada pengujian karakter dan simbol peniliti akan memberikan skenario seberapa akuratnya karakter dan simbol pada hasil OCR yang bisa terbaca, sebagian terbaca dan tidak terbaca. Pada pengujian karakter dan simbol terdapat tujuh soal. Pada masing-masing pengujian diuji sebanyak lima. Untuk akurasi dapat dihitung dengan rumus berikut:

  Nilai Akurasi = (Jumlah Nilai Hasil Uji)/((Banyak Gambar × Banyak Pengujian)) ×100% Berikut ini merupakan pengujian karakter dan simbol yang telah dibuat :

  Tabel 1. Pengujian Karakter dan Simbol

  Iterasi

  1 Soal OCR Hasil OCR Latin Waktu Proses(/ ms) Hasil 1.

  ١٢٣٤٥٦٧٨ ٩٠ ١٢٣٤٥٦٧٨٩ ٠

  123456789 948 Terbaca 2. (×/+-

  √)² (xx+- √)² (xx+-

  √)^(2) 801 Sebagian Terbaca

  3. cos( ٩٠) cos( ٩٠) cos(90) 1131 Terbaca 4.

  5.

  3 Soal OCR Hasil OCR Latin Waktu Proses(/ ms) Hasil 1.

  √(٩)+ √(٨) √(٩)+ √(٨) √(9)+ √(8) 1366 Terbaca 6. sin( ٣٠) sin( ٣٠) sin(30) 925 Terbaca 7. (

  ٩+٧)(٣×١) ( ٩+٧)(٣×١) (9+7) ×

  (3×1) 1080 Terbaca

  Iterasi

  2 Soal OCR Hasil OCR Latin Waktu Proses(/ ms) Hasil 1.

  ١٢٣٤٥٦٧٨ ٩٠ ١٢٣٤٥٦٧٨٩ ٠

  123456789 1109 Terbaca 2. (×/+-

  √)² (×/+- √)² (×/+-

  √)^(2) 924 Terbaca 3. cos( ٩٠) cos( ٩o) cos(9o) 957 Sebagian

  Terbaca 4. ٦(٩+٧) ٦(٩+٧) 6(9+7) 592 Terbaca

  5. √(٩)+ √(٨) √(٩)+ √(٨) √(9)+ √(8) 869 Terbaca 6. sin( ٣٠) sin(

  ٣٠) sin(30) 1143 Terbaca 7. ( ٩+٧)(٣×١)

  ( ٩+٧)(٣×١) (9+7) × (3×1)

  769 Terbaca Iterasi

  5

  ٤.٥ .٠ 4+3:2-1 = 4.5 978 Benar

  ( ٦-١)٧ ( ٦-١)٧

  ٩٠×٢٥ ٩٠×٢٥ ٢٢٥٠.٠ 90×25=2250 973 Benar

  4.

  ١٠٠/٢٢ ١٠٠/٢٢ ٤.٥٤٥٤٥٤ 100:22=4.545454 881 Benar

  5.

  ٣(٧+٨) ٣(٧+٨) ٤٥.٠ 3x(7+8) = 45 869 Benar

  6.

  ٥(٩-٢) ٥(٩-٢) ٣٥.٠ 5x(9-2) = 35 921 Benar

  7.

  ٣٥.٠ (6-1)x7 = 35 925 Benar

  ٥٧-١٨ ٥٧-١٨ ٣٩.٠ 57-18=39 938 Benar

  8.

  ٩(٥×٨)² ٩(٥×٨) ² ١٥٢١.٠

  9x(5+8)^(2) = 1521 911 Benar 9.

  ٤+٣/٢- ١ ٤+٣/٢- ١

  1. Untuk implementasi Optical Character Recognition (OCR) menggunakan engine Tesseract pada persoalan matematika dapat menggunakan library MathPharse dengan cara memanggilnya dari sistem. Sistem mendeteksi karakter arab dan mengkonversinya ke bahasa latin lalu menghitungnya dengan library Mathpharse.

  10.

  ١٨×١٧

  bab 1, maka kesimpulan yang dapat diambil yaitu:

  3.

  2.

  IV. PENUTUP

  2 4.

  B. SARAN Dalam pengembangannya, aplikasi ini diperlukan lagi pengembangan lebih lanjut, untuk itu saran akan sangat membantu proses pengembangan penelitian dan aplikasi ke depannya. Adapun ide atau saran yang dapat dijadikan sebagai bahan perbaikan, pengembangan atau penyempurnaan implementasi ini kedepannya antara lain:

  INSIGHT

  ISSN 2620-5467 (Online)

  3. Algoritma Image Processing yang digunakan pada skripsi ini yaitu algoritma Nearest Neighbor Interpolation untuk resize gambar dan algoritma Luminosity untuk merubah gambar menjadi grayscale. Serta engine Tesseract memiliki fungsi untuk memperbaiki hasil dari OCR bahasa arab agar memiliki hasil yang maksimal dan MXparser sebagai library untuk menghitung hasil dari soal perhitungan matematika yang telah terdeteksi.

  2. Berdasarkan dari hasil pengujian dari bab empat, pada skenario pengujian karakter dan simbol yaitu 71.42% terbaca, 14.28% sebagian terbaca dan 0% yang tidak terbaca. Lalu pada skenario pengujian perhitungan yaitu mampu menjawab soal pengujian sebanyak 20 dengan perhitungan yang benar. Sedangkan untuk skenario pengujian tulisan tangan adalah 62.85% terbaca, 20% sebagian terbaca dan 2.85% yang tidak terbaca dengan waktu kurang lebih 1 detik dari setiap pengujian.

  2

  3 3.

  3

  5 5.

  ٤×٢ ٤×٢ ٨.٠ 4×2=8 854 Benar

  5 7.

  5 Jumlah

  25

  5 Akurasi 71.42% 14.28% 0% Berdasarkan hasil pengujian di atas dapat kita ketahui bahwa hasil untuk pengujian karakter dan simbol adalah

  71.42% terbaca dengan baik, 14.28% sebagian terbaca dan 0% yang tidak terbaca dengan waktu kurang lebih 1 detik dari setiap pengujian. J. Pengujian Perhitungan

  Pada pengujian perhitungan peniliti akan memberikan skenario persoalan matematika berbahasa arab dengan pengujian sebanyak dua puluh kali dengan soal perhitungan perhitungan yang berbeda-beda diantaranya seperti : pertambahan, pengurangan, perkalian, pembagian, akar, pangkat dan tigonometri sederhana. Berikut ini merupakan pengujian perhitungan yang telah dibuat :

  Tabel 3. Pengujian Perhitungan

  Peng ujian Soal Hasil OCR Hasil Perhitun gan Perhitungan Manual Wa ktu Pro ses (/m s) Bena r /Sala h 1.

  A. KESIMPULAN Berdasarkan rumusan masalah yang terdapat pada

• ٢٦/١٠ ١٨×١٧
• ٢٦/١٠ ٣٠٨.٦ 18x17+26/10 = 308.6 912 Benar 11.
• ٠.
• ٨ cos( ٠)
• ٨ ٩.٠ cos(0)+8 = 9 918 Benar 18.
• ١.

  13.

  ٩٠²×٣² ٩٠²×٣² ٧٢٩٠٠.٠ 90^(2)x3^(2) = 72900

  Available: http://dedi26.blogspot.co.id/2013/02/apa-itu- matematika-pengertian.html. [Accessed: 30-Jan- 2017].

  S. K. Fadjar Efendy Rasjid, “Android: Sistem Operasi Pada Smartphone.” . [2]

  V. REFERENSI [1]

  5. Kurangnya fungsi dalam perhitungan matematika seperti : integral, matriks, trigonometri dan lain-lain.

  4. Mengatasi masalah tulisan tangan yang lebih mudah terdeteksi.

  3. Sensitivitas pada aplikasi perlu di perbaiki.

  2. Font yang digunakan kurang banyak.

  1. Pendeteksian sistem dibuast secara real time.

  Pembangunan Perangkat Lunak Bantu Untuk Menyelesaikan Persoalan Matematika Dengan Menggunakan Optical Character Recognition Berbasis Android

  176 2.

  ٧٢² ٧٢² ٥١٨٤.٠ 72^(2) = 5184 618 Benar

  12.

  ٤²+٧² ٤²+٧² ٦٥.٠ 4^(2)+7^(2)=65 920 Benar

  Berdasarkan hasil pengujian di atas dapat kita ketahui bahwa hasil untuk pengujian perhitungan dengan persoalan yang beragam mendapatkan hasil semua jawaban pengujian benar dengan memiliki waktu kurang lebih 1 detik dari setiap pengujian.

  tan( ٩٠)

  812 Benar 14. √(٤٩) √(٤٩) ٧.٠ √(49) = 7 932 Benar

  15.

  √(١٦)× √(٣٦ ) √(١٦)× √(٣٦ )

  ٢٤.٠ √(16)×√( 36) = 24 934 Benar 16. sin( ٣٠) sin( ٣٠)

  ٩٨٨٠٣١٦ ٢٤٠٩٢٨٦ ١ ٨ sin(30) = - 0.9880316240928

  617899877489072 9446 964 Benar 17. cos( ٠)

  ٩٩٥٢٠٠٤ ١٢٢٠٨٢٤ ٢ tan(90)+sin(0) = -

• ( ٦²)) √((١٠²)
• ( ٦²)) ٨.٠ √((10^(2))- (6^(2))) = 8 105

  ٧+٨) ² ٢٢٥.٠ (7+8) ^(2) = 225 978 Benar

  1.9952004122082 420252873530763 796 996 Benar

• sin( ٠) tan( ٩٠)
• sin( ٠)

  19.

  √((١٠²)

D. Siswoyo, “Apa itu Matematika?? Pengertian matematika menurut para ahli.” [Online]

  4 Benar 20. ( ٧+٨) ² ( INSIGHT | Volume 1 No. 1 | April 2018 : 171-177 [3]

  Available: R. S. Bahri and I. Maliki, “Feature Extraction Pada O http://www.charisfauzan.net/2014/06/tiga-metode- ptical Character Recognition,” J. Komput. dan

  Inform., vol. 1, no. I, 2012. algoritma-mengubah-nilai-r.html. [4]

  [22] Q. Yang, “[tesseract] Improving the Efficiency of “Nearest Neighbor Image Scaling.” . [23]

  Planning,” 2014. M. Gromada, “mXparser.” [Online]. Available: [5] http://mathparser.org/. [Accessed: 06-May-2017].

  A. Chavan and A. Naik, “Linear equation solver in [24]

  Android using OCR,” vol. 3, no. 5, pp. 42–44,

  H. Rindiani, “Aplikasi Android untuk Pengenalan 2013. Citra Karakter Jepang dengan Library Tesseract,”

  [6] Skripsi, pp. 1 and J. R. A. S, D. Bentley, “UML, RUP, and the –38, 2015.

  [25] Zachman Framework: Better together,.” [Online]. Zdenop, “TESSERACT(1) Manual Page.” . Available: [26] J. Morris, “ImproveQuality.” . https://www.ibm.com/developerworks/rational/libr [27] C. Patel, A. Patel, and D.

  Patel, “Optical character ary/nov06/temnenco/. [Accessed: 04-May-2017]. recognition by open source OCR tool tesseract: A [7]

  A. Pidjarianto, “Pengertian RUP.” [Online]. case study,” Int. J. Comput. Appl., vol. 55, no. 10, Available: pp. 50 –56, 2012. http://kamarujung.blogspot.co.id/2013/04/pengertia n-rup.html.

  [8]

  F. Mubarok and I. Hadijah, “Perbandingan Antara Metode RUP dan Prototype Dalam Aplikasi Penerimaan Siswa Baru Berbasis Web,” pp. 114– 127.

  [9] M. Zhang, A. Joshi, R. Kadmawala, K. Dantu, S.

  Poduri, and G. S. Sukhatme, “OCRdroid : A Framework to Digitize Text on Smart Phones.”

  [10] S. Ch, S. Mahna, and N. Kashyap, “Optical Character Recognition on Handheld Devices,” vol.

  115, no. 22, pp. 10 –13, 2015. [11]

  S. Singh, “Optical Character Recognition Techniques : A Survey,” J. Emerg. Trends Comput. Inf. Sci., vol. 4, no. 6, pp. 545 –550, 2013. [12]

  Vinaya Sawant, “Optical character recognition using android,” vol. 3, no. 3, pp. 57–62, 2013. [13]

  “Angka Arab.” [Online]. Available: https://id.wikipedia.org/wiki/Angka_Arab. [Accessed: 06-May-2017]. [14]

  Muchlisin Riadi, “Pengolahan Citra Digital.” [Online]. Available: http://www.kajianpustaka.com/2016/04/pengolaha n-citra-digital.html. [Accessed: 06-May-2017]. [15]

  Heriyanto, “Perancangan Aplikasi Pengolahan Citra Teks Arab dan Penerjemahannya ke dalam Bahasa Indonesia menggunakan Smartphone Android,” J. Tek. Komput. Unikom, vol. 2, no. 1, 2013.

  [16] T. Hagos, “Minimum Android Programming. Lean Publishing,” 2014.

  [17] Arieap, “Pengertian Dan Fungsi aplikasi OCR.” . [18] “Tesseract (software).” . [19]

  Nathan Willis, “Google’s Tesseract OCR engine is a quantum leap forward.” . [20]

  S. Badla, “Improving the Efficiency of Tesseract OCR Engine,” pp. 82–90. [21]

  A. Fauzan, “Tiga Metode Algoritma Mengubah Nila i R G B Menjadi Grayscale.” [Online].

  177