Sistem Pengoreksi Lembar Jawab Pilihan Ganda Berbasis Citra Menggunakan Webcam
Sistem Pengoreksi Lembar Jawab Pilihan Ganda
Berbasis Citra Menggunakan Webcam
Karol Woytila Halauw2.1 Lembar Jawab Komputer (LJK)
_ j i S j y i x j i m T y x diff sq P
1 , 2 , , ,
Notasi P merupakan nilai kecocokan.
template dengan citra sumber. Kecocokan bernilai 0 dan ketidakcocokan bernilai besar sesuai dengan persamaan 1.
Terdapat 3 macam metode persamaan yang digunakan untuk proses template matching yaitu Square Difference, Correlation, dan Correlation Coefficient (Bradski, 2008, Intel, 2000). Metode Square Difference menghitung kuadrat selisih citra
(a) Objek-objek tidak diketahui (b) Replika Objek Gambar 1. Contoh Template Matching
aplikasi, diantaranya pengenalan karakter plat kendaraan bermotor (Pauzi, 2013), kecacatan pada PCB (Wardhana, 2008), pendeteksi orang tergeletak (Candra, 2013), dan identifikasi uang kertas (Munawaroh, 2010). Untuk perancangan sistem ini, template matching digunakan untuk mendeteksi aligning template dan jawaban.
matching dewasa ini dapat diterapkan ke dalam beberapa
Salah satu cara mendasar pendeteksian objek dalam bidang gambar adalah template matching. Template matching ialah dimana replika sebuah objek dibandingkan dengan semua objek yang tidak diketahui pada bidang gambar. Jika hasil antara objek yang tidak diketahui dan replika cukup ‘dekat’, objek tak diketahui diberi label objek template (Pratt, 2007). Template
2.2 Template Matching
LJK diisi dengan memberi tanda pada LJK. Tanda-tanda ini dikenali sistem dengan berbagai cara, seperti pantulan(konvensional), pencarian, pengenalan dan identifikasi posisi tanda. Sistem dirancang menggunakan cara identifikasi posisi tanda menggunakan template-matching.
Formulir isian berupa kertas yang akan diolah dengan komputer dan pemindai lebih dikenal sebagai Lembar Jawab Komputer (LJK). LJK tersebut dapat berupa form OMR, form DMR, atau form tipe bebas. LJK biasanya digunakan pada ujian berbentuk pilihan ganda, kuesioner, formulir registrasi, dan pendataan. Penggunaan LJK sebagai pengganti entri data secara manual dapat mempercepat pengolahan data.
2. LANDASAN TEORI
Program Studi Teknik Elektro Universitas Kristen Satya Wacana
tersedia di pasaran dengan harga terjangkau. Karena informasi harus terekam sempurna, akurasi alat ini ditargetkan sebesar 100% atau melebihi akurasi penelitian sebelumnya yang hanya 89% (Ramdhani, 2011). Desain LJK dirancang sendiri dan terdapat 2 macam, yaitu 25 soal dengan 10 pilihan jawaban dan 50 soal dengan 5 pilihan jawaban. Pada penelitian ini, media pengarsiran jawaban pada LJK tidak terbatas pada pensil 2B tetapi semua media yang berwarna hitam seperti pulpen dan spidol.
Webcam sebagai komponen utama merupakan produk yang
(Wibowo, 2012, Ermundari, 2013) dapat diganti menggunakan printer dan webcam untuk lebih praktis dan menekan harga. Perangkat keras dapat dibuat dengan estimasi harga tidak lebih dari satu juta rupiah dan terdiri dari komponen yang mudah diperoleh.
scanner sebagai pengontrol data masuk dan pengambilan citra
Alat otomatis sudah tersedia di pasaran. Harga yang ditawarkan masih terbilang tinggi. Hal ini memberatkan untuk institusi menengah ke bawah. Oleh sebab itu, sistem alternatif dibutuhkan sebagai pengganti alat otomatis. Prinsip dasar sistem ini ialah data masuk, pengambilan citra, pengolahan citra, dan perekaman data. Kecepatan, akurasi, dan praktis menjadi faktor pengukur keberhasilan sistem. Penggunaan
Penggunaan Lembar Jawab Komputer (LJK) mengalami peningkatan di berbagai institusi seperti pendidikan, Lembaga Swadaya Masyarakat (LSM), badan usaha pemerintah, dan swasta. Menyadari pentingnya fungsi LJK, informasi dalam LJK harus terekam sempurna. Pengoreksian LJK dalam jumlah besar membutuhkan alat otomatis (Software LJK, 2014).
Kata Kunci LJK, openCV, template matching.
Saat ini penggunaan Lembar Jawab Komputer (LJK) mengalami peningkatan. Banyak bidang menganggap LJK menjadi sebuah kebutuhan sehingga informasi di dalam LJK menjadi sangat berharga. Oleh sebab itu, alat pengoreksian otomatis dibutuhkan dengan akurasi dan kecepatan tinggi. Harga alat pengoreksian otomatis yang tersedia di pasaran saat ini masih tinggi sehingga dibutuhkan alat alternatif. Prinsip kerja alat terbagi menjadi beberapa bagian yaitu mengumpan LJK, pengambilan citra, pengolahan citra, dan pencatatan hasil. Alat alternatif dirancang menggunakan printer bekas sebagai pengumpan dokumen otomatis dan webcam sebagai pengambil citra. High Power Led digunakan untuk membantu pencahayaan. OpenCV, FLTK, dan LibXL merupakan pustaka pendukung perangkat lunak. Perangkat lunak ini bertugas sebagai pengolah citra dan pencatat hasil. Alat ini dapat memroses 3,7 LJK setiap menitnya dengan tingkat keberhasilan pengumpan dokumen otomatis sebesar 42,4%. Alat ini mempunyai akurasi sebesar 99,9% yang diperoleh dari 5 kali pengujian 80 citra LJK. Alat ini dapat mendeteksi kesalahan berupa LJK terputar, terbalik, jawaban ganda, dan tidak ada jawaban.
fds_ftje@yahoo.com ABSTRAK
Program Studi Teknik Elektro Universitas Kristen Satya Wacana
F. Dalu Setiaji
iwan.setyawan@ieee.org
Program Studi Teknik Elektro Universitas Kristen Satya Wacana
612007051@student.uksw.edu
Iwan Setyawan
1. PENDAHULUAN
Metode Correlation menghitung perkalian citra template terhadap citra sumber. Kecocokan bernilai besar dan ketidakcocokan bernilai kecil atau 0 sesuai dengan persamaan 2.
Perangkat keras dirancang atas dasar prinsip sistem yaitu pengontrol data masuk dan pengambilan citra. Alat direalisasikan dalam bentuk kotak yang dapat dibuka-tutup secara manual dan mempunyai kemampuan untuk mengumpan dokumen otomatis (pengontrol data masuk). Alat berdimensi (p×l×t) 365×485×465 mm. Pengumpan dokumen otomatis dirancang dengan memodifikasi printer Canon S100SP. Modifikasi dilakukan dengan menambahkan motor DC pada bagian luar dan memanfaatkan motor stepper dan photo-
P
Metode
Correlation
) , ( , , _
Z y x y x ccorr P y x normed ccorr
P
Metode
Correlation Coefficient
) , ( , , _
Z y x y x ccoeff P y x normed ccoeff
P 3.
interrupter yang terdapat pada printer. Printer dikendalikan
) , ( , _ ,
oleh mikrokontroler. Rangkaian pengendali motor stepper dirancang menggunakan IC ULN2004.
Webcam dipasang di dalam alat. Untuk sumber cahaya di dalam
alat, High Power Led dipasang mengelilingi webcam. Webcam berfungsi untuk mengambil citra kemudian diolah dalam komputer. Gambar 2 menunjukkan blok diagram alat secara keseluruhan.
Gambar 2. Blok Diagram Komputer dan mikrokontroler berkomunikasi secara serial.
Mikrokontroler menunggu pesan dari komputer untuk mengumpan setiap LJK. Setelah komputer mengirim pesan kepada mikrokontroler, mikrokontroler memberi instruksi kepada printer. Langkah awal ialah menggerakkan motor DC hingga membuat photo-interrupter
‘ON’. Perubahan keadaan
photo-interruper dipengaruhi oleh LJK. Kemudian motor DC
akan berhenti dan motor stepper akan aktif. Motor stepper akan berhenti sesaat setelah photo-interruper berubah menjadi ‘OFF’. Hal ini menandakan LJK berhasil diumpan masuk. Mikrokontroler mengirim pesan kepada komputer. LJK dirancang sendiri menggunakan ukuran F5 (165×215 mm) dengan bobot 80 gram (Gambar 3). Desain terdiri dari beberapa bagian yaitu, aligning template, jawaban, nama, kode soal, dan nomor identitas (NIM). Terdapat 4 aligning template sebagai referensi mengolah citra. Dapat dilihat pada Gambar 4, aligning
template pertama bertujuan untuk mengetahui apakah LJK terputar.
Aligning template
kedua bertujuan untuk mensejajarkan citra hasil tangkapan webcam jika terjadi kemiringan. Aligning template ketiga bertujuan sebagai penanda baris baik sebagai nomor jawaban maupun arsiran kode soal dan NIM. Aligning template keempat bertujuan sebagai penanda kolom baik sebagai pilihan jawaban maupun arsiran kode soal dan NIM. Tersedia dua pilihan LJK yang dapat digunakan yaitu 50 soal dengan 5 pilihan jawaban (Gambar 3.a) dan 25 soal dengan 10 pilihan jawaban (Gambar 3.b). Kode soal berisi maximal 6 digit angka dan NIM berisi sebanyak 6 digit angka.
(a) Tipe 50 Soal (b) Tipe 25 Soal Gambar 3. Desain LJK
_ _ Z y x y x diff sq P y x normed diff sq
Difference
j i S j y i x j i m T y x ccorr P
Metode Square
,
2
2 , , ,
Metode Correlation Coefficient menghitung perkalian rata-rata relatif antara citra template dengan sumber. Nilai kecocokan mempunyai rentang dari -1 sampai +1. Kecocokan bernilai 1 dan ketidakcocokan bernilai -1 sesuai dengan persamaan 3.
) 3 (
, 2 ) , ( ) , (
2 ) , ( ) , ( , ( ) , ( ,
) , ( ) , ( ,
j i S j y i x j y i x S j i m T j i m T
S j y i x j y i x S j i j i m
T j i m T y x ccoeff P
4 , , , h w j i j i m
T j i m T
5 , ) , ( , h w j i
S j y i x S j y i x
Ketiga metode di atas dapat dinormalisasikan. Normalisasi sangat berguna karena dapat membantu mengurangi efek perbedaan pencahayaan antara citra template dengan citra sumber. Koefisien normalisasi ketiga metode ialah Z (x,y). Hasil normalisasi setiap metode dapat dilihat pada Tabel 1.
6 , , 2 ,
2 , , j i j i S j y i x j i m T y x Z
Tabel 1. Normalisasi (Bradski, 2008) Metode Nilai Kecocokan
PERANCANGAN SISTEM
3.1 Perangkat Keras
Mulai Tidak Penekanan ‘Start’ ?
Ya Mengirim pesan kepada Ada mikrokontroler & menunggu
LJK ? pesan balasan Tidak
Gambar 4. Aligning Template Webcam ambil citra Ya
Pra Proses : Smoothing Konversi ke grayscale
Template Matching
I Terputar ? Gambar 5. Alat Keseluruhan
Ya
3.2 Perangkat Lunak
Perangkat lunak dirancang atas dasar prinsip pengolahan citra
Rotate citra 180˚ Tidak
dan perekaman data. Pengolahan citra dimulai pada tahap pra- proses untuk meningkatkan kualitas citra dan meringankan beban komputasi. Proses smoothing dilakukan terhadap citra
Template Matching
II Sejajar ? hasil tangkapan webcam. Metode yang digunakan ialah median.
Tujuan dari smoothing ini ialah menghilangkan derau dan
Tidak
menyeimbangkan kualitas pencahayaan. Citra hasil tangkapan
webcam masih berupa citra warna. Proses pengoreksian cukup Rotate citra 1
˚
membutuhkan citra biner. Citra biner terbaik yang dapat dihasilkan dapat dilihat pada Gambar
7. Kesulitan menggunakan citra biner ialah mencari nilai global
Ya thresholding dan derau yang begitu besar. Karena hal tersebut
Template Matching
III, IV, & V
citra dikonversi menjadi citra grayscale. Dengan beban komputasi yang lebih berat dari biner, beban komputasi
grayscale lebih ringan dari citra warna. Hasil konversi citra
- Urutkan koordinat x & y
grayscale terlihat pada Gambar 7. Citra tersebut sudah lebih
- Menerjemahkan arsiran (no & pilihan jawaban) baik dan dilanjutkan ke dalam tahap proses.
- Menerjemahkan kode soal & NIM
Pada tahap proses dilakukan template matching untuk mengetahui informasi pada LJK. Kemudian informasi tersebut diolah dan hasil pengolahan berupa nilai disimpan dalam
- Mencocokkan kunci Jawaban
database sederhana (Microsoft Excel). Aplikasi dirancang
Tidak
menggunakan Microsoft Visual Studio 2008 dengan beberapa -Menghitung Nilai pustaka pendukung yaitu openCV, FLTK, dan LibXL. OpenCV adalah sebuah pustaka yang ditulis dalam bahasa
Penekanan Simpan di Microsoft Excel
C/C++ dan didesain untuk mengefisiensikan komputasi dan
‘Stop’ ? menguatkan fokus pada aplikasi waktu nyata (Bradski, 2008).
Fungsi-fungsi dalam OpenCV yang digunakan antara lain
capture image , konversi citra menjadi citra grayscale, Ya smoothing , dan template matching. FLTK adalah sebuah
pustaka Graphical User Interface (GUI) dalam bahasa C++
Selesai
lintas platform Linux, Windows, dan MacOS (Fast Light Toolkit, 2014). Tampilan aplikasi dibuat menggunakan FLTK seperti menu, tombol, dan tabel. LibXL adalah pustaka dengan
Gambar 6. Diagram alir perangkat lunak
batasan yang dapat membaca dan menulis dokumen Microsoft
Excel tanpa memerlukan Microsoft Excel dan .NET framework
(LibXL, 2014). LibXL digunakan untuk proses pengambilan dan perekaman data pengoreksian.
Rendahnya persentase keberhasilan dan kecepatan mengumpan dokumen otomatis disebabkan oleh beberapa hal. Pertama, minimnya informasi mengenai cara kerja pengumpan dokumen otomatis pada printer sehingga dicurigai ada bagian yang terlewat. Hal ini terbukti dengan memasang motor DC pada
printer untuk memutar poros pada tumpukan LJK. Kedua, printer yang digunakan merupakan perangkat bekas yang
mungkin beberapa bagian sudah tidak baik namun tidak diketahui. Ketiga, komponen IC ULN2004 hanya dapat bekerja
Gambar 7. Hasil citra biner (kiri) & grayscale (kanan)
pada tegangan masukan 6-15 V. Sedangkan motor stepper printer membutuhkan tegangan masukan 24V. IC ULN 2002 mampu bekerja pada tegangan 14-25 V tetapi tidak mudah diperoleh.
4. PENGUJIAN SISTEM
4.2 Pengujian Waktu Pengolahan Citra
4.1 Pengujian Pengumpan Dokumen
Pengujian waktu pengolahan citra bertujuan mengetahui waktu
Otomatis
yang dibutuhkan untuk memroses 1 LJK. Pengujian dilakukan Pengujian dilakukan untuk mengetahui kecepatan dan dengan menghitung total LJK yang dapat tercatat dalam waktu persentase keberhasilan modul pengumpan dokumen otomatis.
1 menit. LJK dimasukkan ke dalam alat dengan cara manual /
Printer Canon S100SP dapat menampung 50 lembar. Pengujian belum menggunakan modul pengumpan dokumen otomatis.
dilakukan dengan menumpuk 50 LJK dan menghitung
Tabel 3. Pengujian Waktu Pengolahan Citra
waktunya. Percobaan dilakukan sebanyak 5 kali. Kecepatan rata-rata modul pengumpan dokumen otomatis diperoleh
Percobaan Total LJK /menit
dengan menghitung jumlah waktu dibagi dengan jumlah LJK
I
10 yang berhasil diumpan.
II
9 Tabel 2. Pengujian Pengumpan Dokumen Otomatis
III
10 PERCOBAA WAKTU KEBERHASILA
KET
IV
10 N (detik) N (LJK)
V
9
35 I 240 15 lembar
Kecepatan Rata-Rata 9,6
terbawa
29 II 336 21 lembar Dari percobaan diperoleh waktu rata-rata pemrosesan sebuah terbawa 60 citra sebesar
6 , 25 detik/LJK. Waktu yang diperoleh
23 9 ,
6 III 433 27 lembar terbilang lambat karena jenis citra ialah citra grayscale. Jika terbawa menggunakan citra biner, waktu yang dibutuhkan akan lebih
37 cepat. Jika dibandingkan dengan citra grayscale yang
IV 185 13 lembar mempunyai 256 rentang nilai, proses template matching terbawa menggunakan citra biner menghasilkan waktu yang lebih cepat karena citra template dan citra sumber hanya mempunyai 2 nilai
20 (0 dan 1). Dengan asumsi aligning template 1 mencari 1
V 525 30 lembar
template , aligning template 2 mencari 2 template, aligning
terbawa
template 3 mencari 16 template, aligning template 4 mencari 25 template , dan template jawaban mencari 37 template, total
minimum terdapat 81 proses template matching. Dari Tabel 2, kecepatan rata-rata pengumpan dokumen otomatis setiap lembar dan menit serta keberhasilan alat dapat dihitung.
Kecepatan mengumpan setiap lembar Pengujian media arsiran bertujuan untuk mengetahui persentase total - waktu (percobaan
4.3 Pengujian Media Arsiran
I V) keberhasilan mencari template jawaban dari suatu media arsiran. Terdapat 10 macam media arsiran yaitu, 6 macam total LJK (percobaan
I V) - pulpen, 3 macam pensil, dan 1 spidol. Media tersebut adalah : 1719
16 , 22 detik A.
Pulpen Faster c600 106 B.
Pulpen Snowman v-5 (0,7) Kecepatan mengumpan setiap menit C.
Pulpen Pilot
60 3 , 7 lembar D.
Pulpen Standard TECNO (0,38) 16 ,
22 E.
Pulpen Standard AE9 (0,5) Persentase keberhasilan alat F.
Pulpen Kenko K-1 (0,5)
15
21
27
13
30
100 % 42 , 4 % G.
Pensil Staedtler 2B 250 H.
Pensil Faber Castell 2B
I. Pensil Staedtler Tradition 110-2B J.
Spidol Snowman hitam Pengujian dilakukan dengan mengarsir semua lingkaran dengan 1 jenis media. Total terdapat 10 LJK pengujian. Setiap LJK terdapat 370 isian. Dengan memperhatikan proteksi LJK terputar, pembacaan LJK mempunyai 2 kemungkinan posisi.
Dari Gambar 9, hanya kolom 4 menghasilkan tingkat pencocokan sempurna. Kolom 4 merupakan arsiran yang mengarsir penuh lingkaran. Kolom 1 merupakan arsiran dengan tingkat paling kecil menyerupai dengan tanda titik. Dari 40 arsiran pada kolom 1 hanya dua yang dapat terdeteksi (5%). Kolom 2 dengan luas yang bertambah, sebesar 25% arsiran dapat terdeteksi. Kolom 3 dengan luas mendekati arsiran penuh lingkaran, dapat terdeteksi sebesar 65%. Kolom 5 dengan luas lebih besar dari lingkaran mempunyai keberhasilan terdeteksi sebesar 85%.
(a) CCOEFF_NORMED (b) CCORR_NORMED
Metode Square Difference yang sudah dinormalisasi terlihat tidak tepat karena semua template yang dicari berkumpul di sekitar template pertama. Khusus untuk metode correlation yang sudah dinormalisasi, pencarian hanya untuk template pertama hingga keempat. Dari hasil yang diperoleh, metode ini masih kurang tepat karena ditemui banyak terjadi kesalahan pencocokan.
untuk proses pengoreksian. Metode ini mengungguli metode lain yang masih terdapat kekurangan. Semua template yang dicari dapat ditemukan dengan diberi kotak berwarna sebagai tanda. Kotak berwarna hitam, biru, ungu, merah, dan hijau masing-masing untuk template pertama, kedua, ketiga, keempat, dan kelima.
coefficient merupakan metode template matching paling tepat
Terlihat pada Gambar 10, penggunaan metode correlation
4.5 Pengujian Akurasi
Gambar 8. Luas Arsiran (a) Posisi Masuk LJK benar (b) Posisi Masuk LJK Terputar Gambar 9. Hasil Pengujian Luas Arsiran
Total setiap media arsiran diuji dengan 740 arsiran. Dengan menghitung jumlah arsiran yang ‘cocok’ dengan template jawaban, persentase keberhasilan suatu media dapat diketahui.
Pengujian luas arsiran bertujuan untuk mengetahui seberapa penuh arsiran dapat terbaca menggunakan nilai threshold yang telah ditentukan. Pengujian dilakukan pada 1 buah LJK dan menggunakan semua jenis media arsiran. Setiap jenis media secara merata mengisi dua baris (nomor 1-10 & nomor 36-45) yang terdiri dari 5 kolom (pilihan jawaban A-E). Luas arsiran terkecil dimulai pada kolom paling kiri (kolom jawaban A) sampai terbesar pada kolom paling kanan (kolom jawaban E). Luas arsiran terbesar ialah mengarsir dengan melebihi batas lingkaran yang ditentukan.
Untuk diketahui, pengujian pertama kali menghasilkan nilai minimum kecocokan template dengan media arsiran pulpen sebesar 0,88-0,92, pensil sebesar 0,88-0,89, dan spidol sebesar 0,88. Batas ambang nilai kecocokan template dengan media arsiran ditetapkan 0,88. Akan tetapi, nilai kecocokan ini belum mampu mendeteksi semua jawaban menggunakan pensil. Ini menandakan pengujian pertama tidak dapat mewakili arsiran pensil. Pensil mempunyai nilai kecocokan lebih rendah dari batas ambang meskipun template jawaban merupakan arsiran pensil. Kelemahan citra template jawaban ini ialah ikut terdeteksinya arsiran media pensil yang sudah dihapus. Dari 2.672 sample arsiran yang telah dihapus, sebanyak 12,44% sampel masih terdeteksi sebagai arsiran.
Dari Tabel 4, keberhasilan pengujian media arsiran diperoleh mendekati 100%. Keberhasilan ini dicapai dengan pengambilan citra template jawaban dari media arsiran pensil yang pada pengujian-pengujian media arsiran sebelumnya tidak terdeteksi.
Keseluruhan 100
99 I 738 99,7 J 740 100
A 740 100 B 740 100 C 740 100 D 740 100 E 740 100 F 740 100 G 740 100 H 733
Tabel 4. Pengujian Media Arsiran Media Keberhasilan (lingkaran) Keberhasilan (%)
4.4 Pengujian Luas Arsiran
(c) SQ_DIFF_NORMED Gambar 10. Penggunaan metode template matching
Ermundari. Perancangan Aplikasi Pemindai Citra Lembar Jawaban Komputer (LJK) dengan Teknik Smart Scan.
DINAMIK. Volume 17: h.24-33. 2012.
Jawab Komputer untuk Penerimaan Mahasiswa Baru di Universitas Stikubank . Jurnal Teknologi Informasi
(SNATI). h.47-50. 2008. Wibowo, Jati S. Rancang Bangun Program Koreksi Lembar
Templete Matching Untuk Identifikasi Kecacatan pada PCB . Seminar Nasional Aplikasi Teknologi Informasi
Wardhana, Adhitya W [, Prayudi, Y]. Penggunaan Metode
Software LJK. Software LJK – About . http://softwareljk.com/about/. Diakses tanggal 13 Maret 2014.
Kombinasi untuk menganalisa citra pada Sampel Lembar Jawaban Komputer Ujian Nasional SMA Negeri 3 Lamongan . Jurnal Teknika. Volume 3: h448-455. 2011.
John Wiley & Sons, Inc. 2007. Ramdhani, S [, Melita, Y]. Penerapan metode Fungsi
I: h.95-102. 2013. Pratt, William K. Digital Image Processing Fourth Edition.
Analisis Pemanfaatan Teknik Template Matching Pada Sistem Akuisisi dan Pengenalan Karakter Citra Plat Nomor Kendaraan . Jurnal Teori dan Aplikasi Fisika. Vol.
Pauzi, Gurum A [, Warsito][, Suciyati, Sri W][, Sahtoni].
untuk Identifikasi Uang Kertas . Jurnal Teknologi Informasi DINAMIK. Volume XV: h.34-40. 2010.
Diakses tanggal 13 Maret 2014. Intel. Open Source Computer Vision Library. Intel. 2000. LibXL. C++ Excel Library to read/write xls/xlsx files. http://www.libxl.com/. Diakses tanggal 13 Maret 2014. Munawaroh, Siti [, Sutanto, Felix A]. Pengolah Citra Digital
Jurnal Teknik Elektro Fakultas Teknik Universitas Tanjungpura. 2013. Fast Light Toolkit. Index. http://www.fltk.org/index.php.
Pendeteksi Orang Tergeletak berbasis sebuah Kamera Pengawas dengan menggunakan metode Template Matching . Jurnal Cybermatika. Vol. 1: h.1-5. 2013.
Pengujian akurasi bertujuan untuk mengetahui keakuratan informasi dalam LJK. Informasi dalam LJK antara lain nomor jawaban beserta pilihan jawaban, kode soal, dan NIM. Pengujian dilakukan menggunakan 40 LJK yang terisi secara acak dan merata. Dua puluh LJK merupakan tipe 50 soal dengan 5 pilihan jawaban dan dua puluh sisanya merupakan tipe 25 soal dengan 10 pilihan jawaban. Setiap jenis media mengisi 4 LJK. Setiap LJK juga diisi oleh individu yang berbeda. Kunci jawaban juga tersebar merata. Karena posisi LJK mempunyai 2 kemungkinan yaitu terputar dan tidak, setiap percobaan diuji menggunakan 2 kemungkinan posisi. Total setiap percobaan terdapat 80 LJK dan 3960 informasi. Setiap LJK terdiri dari 25/50 jawaban, 6 digit kode soal, dan 6 digit NIM.
Rata-Rata 99,9
Tabel 5. Pengujian Akurasi Percobaan Jumlah Kegagalan (informasi) Akurasi Keberhasilan (%)
I 44 99,9
II 21 99,9
III 41 99,9
IV 28 99,9
V 33 99,9
Dari Tabel 5 diperoleh akurasi rata-rata dari alat ini sebesar 99,9%. Hasil akurasi ini diperoleh dengan catatan bahwa pengarsiran LJK yang menggunakan media pensil tidak terdapat penggantian pilihan jawaban / terhapus.
Candra, Jemmy K [, Timotius, Ivanna K][, Setyawan, I]. Sistem
Berdasarkan hasil pengujian, lingkaran jawaban diarsir penuh agar diperoleh akurasi maksimal. Akurasi sistem diperoleh sebesar 99,9% dengan catatan tidak ada jawaban yang diganti untuk penggunaan media pensil. Kecepatan sistem mengikuti kecepatan pengumpan dokumen otomatis. Jika dibandingkan dengan kecepatan memroses citra, kecepatan pengumpan dokumen otomatis paling lambat yaitu sebesar 3,7 ppm (paper
per minute ). Pembuatan pengumpan dokumen otomatis tidak
berhasil dengan baik karena selain kecepatannya, persentase keberhasilan pengumpan dokumen otomatis yang rendah yaitu 42,4%.
Pengembangan selanjutnya dapat dilakukan dengan menyempurnakan akurasi dan menambah kecepatan sistem. Pengisian LJK tidak perlu diarsir tapi dipermudah dengan cukup dicentang / disilang. Sistem dilengkapi dengan pembuatan desain LJK.
6. REFERENSI
Bradski, G [, Kaebler, A]. Learning OpenCV . O’Reilly Media, Inc. 2008.