Semirata 2013 FMIPA Unila |301
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: jokorisanto@yahoo.co.id
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 :
302| Semirata 2013 FMIPA Unila
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 :
sub-Semirata 2013 FMIPA Unila |303 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 :
pola-304| Semirata 2013 FMIPA Unila
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
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
Semirata 2013 FMIPA Unila |305 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 :
Gambar 7 : Hasil Pengenalan LJU
KESIMPULAN
Dari ujicoba yang dilakukan dapat diambil kesimpulan sebagai berikut :
1. Kesempurnaan melingkari huruf yang dipilih sangat menentukan kemampuan
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.
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.