171
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
Pada era komputerisasi informasi telah berkembang dengan pesat. Terdapat sistem operasi yang berkembang antara lain mobile phone dan smartphone. Smartphone
sebagai produk mobile phone dewasa ini lebih berkembang dan lebih diminati penggunaannya oleh masyarakat karena beragam fitur dapat ditampilkan untuk memenuhi kebutuhan dan daya tarik tersendiri bagi para penggunanya.
Matematika itu bukan ilmu pengetahuan menyendiri yang dapat sempurna karena dirinya sendiri, tetapi adanya matematika itu terutama untuk membantu manusia dalam memahami dan menguasai permasalahan ekonomi, sosial dan alam[2]. Namun hanya sebagian kecil orang saja yang bisa menghitung matematika secara manual dengan cepat,
masih banyak orang yang membutuhkan teknologi untuk
menghitung persoalan matematika sehingga
dibutuhkannya aplikasi smartphone untuk menghitung persoalan matematika.
Permasalahan muncul karena matematika
Pembangunan Perangkat Lunak Bantu Untuk Menyelesaikan
Persoalan Matematika Dengan Menggunakan Optical Character Recognition Berbasis Android (Fauzan Adiima, Mohamad Irfan, Aldy Rialdy Atmadja)
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].
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
Engine OCR yang menyedikan layanan open source dan juga gratis[4]. Tesseract menunjukkan hasil yang signifikan hingga 95% akurasi dengan gambar yang tepat[5].
A. OCR (OPTICAL CHARACTER RECOGNITION)
OCR (Optical Character Recognition) adalah aplikasi yang berfungsi untuk men scan gambar pada
image dan dijadikan text, dan aplikasi ini juga bisa menjadi support /aplikasi tambahan untuk scanner. 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].
Fungsi aplikasi OCR berfungsi untuk merubah data yang telah selasai di scan oleh scanner yang akan menjadi
file berupa image dan image tersebut akan di convert atau dijadikan file berupa teks[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].
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].
Output Tesseract akan memiliki kualitas yang sangat 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].
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].
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.
D. ALGORITMA NEAREST NEIGHBOR
INTERPOLATION
Nearest Neighbor Interpolation adalah Algoritma 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.
Gambar 2. Proses Pengskalaan Citra
Pada Gambar 2. citra dengan dimensi 4 x 4 pixel 𝑤1= 4, 𝑤ℎ1= 4)akan diperbesar menjadi 8 x 8 𝑤2= 8, 𝑤ℎ2= 8). Piksel yang berwana hitam mewakili ruang
kosong yang memerlukan interpolasi, dan gambar
complete adalah hasil dari algoritma Nearest Neighbor Interpolation.
II. METODE PENELITIAN
Model pengembangan sistem yang dibangun
menggunakan metode RUP (Rational Unified Process) dengan proses seperti pada Gambar 3. berikut :
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]:
1. Inception (permulaan)
Tahap ini lebih pada memodelkan proses bisnis yang dibutuhkan (business modeling) dan mendefinisikan kebutuhan akan sistem yang akan dibuat (requirements).
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).
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 InitialOperational Capability Milestone atau batas/tonggak kemampuan operasional awal.
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 Operational Capability Milestone atau batas/tonggak kemampuan operasional awal. Aktifitas pada tahap ini termasuk pada pelatihan user, pemeliharaan dan pengujian sistem apakah sudah memenuhi harapan user.
III.HASIL DAN PEMBAHASAN
A. ANALISIS ALGORITMA NEAREST NEIGHBOR
INTERPOLATION
Gambar 4. Flowchart Algoritma Nearest Neighbor Interpolation
Proses mengubah ukuran citra dengan algoritma Nearest Neighbor Interpolation dapat dilihat pada Gambar 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.
B. ANALISIS ALGORITMA LUMINOSITY
Gambar 5. Flowchart Algoritma Luminosity
Proses mengubah warna citra dengan algoritma
Luminosity yang dapat dilihat pada Gambar 5. Tujuan 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.
C. ANALISIS MXPARSER
Gambar 6. Proses MXparser
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
Pembangunan Perangkat Lunak Bantu Untuk Menyelesaikan
Persoalan Matematika Dengan Menggunakan Optical Character Recognition Berbasis Android (Fauzan Adiima, Mohamad Irfan, Aldy Rialdy Atmadja)
174
D. ARSITEKTUR APLIKASI
Arsitektur Aplikasi ini berfungsi untuk mengabarkan secara umum proses yang berjalan pada aplikasi yang dibangun. Berikut adalah gambar arsitektur aplikasi :
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
mempercepat proses OCR. Selanjutnya gambar masuk ke proses Tesseract yaitu mendeteksi katakter matematika arab pada gambar dan menampilkan hasil teks. Yang terakhir adalah masuk ke library MXparser untuk melakukan perhitungan matematika, lalu hasil teks akan diterima oleh user.
E. USE CASE DIAGRAM
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
Activity Diagram merupakan diagram yang menggambarkan workflow (aliran kerja) atau aktivitas dari sebuah sistem atau proses bisnis. Berikut adalah
Activity Diagram pada aplikasi yang akan dibangun.
Activity Diagram menyimpan hasil foto dapat dilihat paga Gambar 8. berikut:
Gambar 8. Activity Diagram Menyimpan Hasil Foto Activity Diagram menampilkan text hasil OCR dapat dilihat pada Gambar 8. berikut:
Gambar 9. Activity Diagram Menampilkan Text Hasil OCR.
G. CLASS DIAGRAM
Class Diagram juga menjelaskan hubungan antar
class dalam sebuah sistem yang sedang dibuat dan bagaimana caranya agar mereka saling berkolaborasi untuk mencapai sebuah tujuan. Class Diagram untuk sistem ini dapat dilihat pada Gambar 10.berikut:
Gambar 10. Class Diagram
H. IMPLEMENTASI ANTARMUKA 1. Antarmuka Menu Utama
175 Gambar 11. Menu Utama
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
Tabel 2. Hasil Pengujian Karakter dan Simbol
Pembangunan Perangkat Lunak Bantu Untuk Menyelesaikan
Persoalan Matematika Dengan Menggunakan Optical Character Recognition Berbasis Android (Fauzan Adiima, Mohamad Irfan, Aldy Rialdy Atmadja)
176
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
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.
IV.PENUTUP
A. KESIMPULAN
Berdasarkan rumusan masalah yang terdapat pada bab 1, maka kesimpulan yang dapat diambil yaitu: 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.
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.
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.
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: 1. Pendeteksian sistem dibuast secara real time. 2. Font yang digunakan kurang banyak. 3. Sensitivitas pada aplikasi perlu di perbaiki.
4. Mengatasi masalah tulisan tangan yang lebih mudah terdeteksi.
5. Kurangnya fungsi dalam perhitungan matematika seperti : integral, matriks, trigonometri dan lain-lain.
V. REFERENSI
[1] S. K. Fadjar Efendy Rasjid, “Android: Sistem
Operasi Pada Smartphone.” .
[2] D. Siswoyo, “Apa itu Matematika?? Pengertian
matematika menurut para ahli.” [Online]. Available:
177
[3] R. S. Bahri and I. Maliki, “Feature Extraction Pada
Optical Character Recognition,” J. Komput. dan Inform., vol. 1, no. I, 2012.
[4] Q. Yang, “[tesseract] Improving the Efficiency of
Planning,” 2014.
[5] A. Chavan and A. Naik, “Linear equation solver in
Android using OCR,” vol. 3, no. 5, pp. 42–44, 2013.
[6] and J. R. A. S, D. Bentley, “UML, RUP, and the Zachman Framework: Better together,.” [Online]. Available:
https://www.ibm.com/developerworks/rational/libr ary/nov06/temnenco/. [Accessed: 04-May-2017].
[7] A. Pidjarianto, “Pengertian RUP.” [Online].
Available:
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 Nilai R G B Menjadi Grayscale.” [Online].
Available:
http://www.charisfauzan.net/2014/06/tiga-metode-algoritma-mengubah-nilai-r.html.
[22] “Nearest Neighbor Image Scaling.” .
[23] M. Gromada, “mXparser.” [Online]. Available: http://mathparser.org/. [Accessed: 06-May-2017]. [24] H. Rindiani, “Aplikasi Android untuk Pengenalan
Citra Karakter Jepang dengan Library Tesseract,” Skripsi, pp. 1–38, 2015.
[25] Zdenop, “TESSERACT(1) Manual Page.” . [26] J. Morris, “ImproveQuality.” .
