Sistem Pengoreksi Lembar Jawab Pilihan Ganda
Berbasis Citra Menggunakan
Webcam
Karol Woytila Halauw
Program Studi Teknik Elektro Universitas Kristen Satya Wacana612007051@student.uksw.edu
Iwan Setyawan
Program Studi Teknik Elektro Universitas Kristen Satya Wacanaiwan.setyawan@ieee.org
F. Dalu Setiaji
Program Studi Teknik Elektro Universitas Kristen Satya Wacanafds_ftje@yahoo.com
ABSTRAK
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.
Kata Kunci
LJK, openCV, template matching.
1.
PENDAHULUAN
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).
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 scanner sebagai pengontrol data masuk dan pengambilan citra (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.
Webcam sebagai komponen utama merupakan produk yang 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.
2.
LANDASAN TEORI
2.1
Lembar Jawab Komputer (LJK)
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.
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.
2.2
Template Matching
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 matching dewasa ini dapat diterapkan ke dalam beberapa 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.
(a) Objek-objek tidak diketahui (b) Replika Objek Gambar 1. Contoh Template Matching
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 template dengan citra sumber. Kecocokan bernilai 0 dan ketidakcocokan bernilai besar sesuai dengan persamaan 1. Notasi P merupakan nilai kecocokan.
1 ,2 , ,
,
_diff x y ij Tm i j S xi y j sq
Metode Correlation menghitung perkalian citra template terhadap citra sumber. Kecocokan bernilai besar dan ketidakcocokan bernilai kecil atau 0 sesuai dengan persamaan 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.
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.
6Tabel 1. Normalisasi (Bradski, 2008) Metode Nilai Kecocokan
Metode Square
Difference
3.
PERANCANGAN SISTEM
3.1
Perangkat Keras
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-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, aligningtemplate, 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.
Gambar 4. Aligning Template
Gambar 5. Alat Keseluruhan
3.2
Perangkat Lunak
Perangkat lunak dirancang atas dasar prinsip pengolahan citra dan perekaman data. Pengolahan citra dimulai pada tahap pra-proses untuk meningkatkan kualitas citra dan meringankan beban komputasi. Proses smoothing dilakukan terhadap citra hasil tangkapan webcam. Metode yang digunakan ialah median. Tujuan dari smoothing ini ialah menghilangkan derau dan menyeimbangkan kualitas pencahayaan. Citra hasil tangkapan webcam masih berupa citra warna. Proses pengoreksian cukup membutuhkan citra biner. Citra biner terbaik yang dapat dihasilkan dapat dilihat pada Gambar 7. Kesulitan menggunakan citra biner ialah mencari nilai global thresholding dan derau yang begitu besar. Karena hal tersebut citra dikonversi menjadi citra grayscale. Dengan beban komputasi yang lebih berat dari biner, beban komputasi grayscale lebih ringan dari citra warna. Hasil konversi citra grayscale terlihat pada Gambar 7. Citra tersebut sudah lebih baik dan dilanjutkan ke dalam tahap proses.
Pada tahap proses dilakukan template matching untuk mengetahui informasi pada LJK. Kemudian informasi tersebut diolah dan hasil pengolahan berupa nilai disimpan dalam database sederhana (Microsoft Excel). Aplikasi dirancang menggunakan Microsoft Visual Studio 2008 dengan beberapa pustaka pendukung yaitu openCV, FLTK, dan LibXL.
OpenCV adalah sebuah pustaka yang ditulis dalam bahasa C/C++ dan didesain untuk mengefisiensikan komputasi dan menguatkan fokus pada aplikasi waktu nyata (Bradski, 2008). Fungsi-fungsi dalam OpenCV yang digunakan antara lain capture image, konversi citra menjadi citra grayscale, smoothing, dan template matching. FLTK adalah sebuah pustaka Graphical User Interface (GUI) dalam bahasa C++ lintas platform Linux, Windows, dan MacOS (Fast Light Toolkit, 2014). Tampilan aplikasi dibuat menggunakan FLTK seperti menu, tombol, dan tabel. LibXL adalah pustaka dengan 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.
Gambar 6. Diagram alir perangkat lunak Sejajar ?
Rotate citra 1˚
Template Matching III, IV, & V
-Urutkan koordinat x & y
-Menerjemahkan arsiran (no & pilihan jawaban) -Menerjemahkan kode soal & NIM
-Mencocokkan kunci Jawaban -Menghitung Nilai
Simpan di Microsoft Excel Penekanan ‘Stop’
?
Selesai
Ya
Ya Tidak
Tidak Pra Proses :
Smoothing
Konversi ke grayscale
Template Matching I Terputar ?
Rotatecitra 180˚
Template Matching II
Ya
Tidak Mulai
Mengirim pesan kepada mikrokontroler & menunggu pesan balasan
Ada LJK ?
Webcam ambil citra Penekanan
‘Start’ ?
Ya
Ya Tidak
Gambar 7. Hasil citra biner (kiri) & grayscale (kanan)
4.
PENGUJIAN SISTEM
4.1
Pengujian Pengumpan Dokumen
Otomatis
Pengujian dilakukan untuk mengetahui kecepatan dan persentase keberhasilan modul pengumpan dokumen otomatis. Printer Canon S100SP dapat menampung 50 lembar. Pengujian dilakukan dengan menumpuk 50 LJK dan menghitung waktunya. Percobaan dilakukan sebanyak 5 kali. Kecepatan rata-rata modul pengumpan dokumen otomatis diperoleh dengan menghitung jumlah waktu dibagi dengan jumlah LJK yang berhasil diumpan.
Tabel 2. Pengujian Pengumpan Dokumen Otomatis PERCOBAA
Dari Tabel 2, kecepatan rata-rata pengumpan dokumen otomatis setiap lembar dan menit serta keberhasilan alat dapat dihitung.
Kecepatan mengumpan setiap lembar
V)
Kecepatan mengumpan setiap menit
lembar
Persentase keberhasilan alat
%
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 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.
4.2
Pengujian Waktu Pengolahan Citra
Pengujian waktu pengolahan citra bertujuan mengetahui waktu yang dibutuhkan untuk memroses 1 LJK. Pengujian dilakukan dengan menghitung total LJK yang dapat tercatat dalam waktu 1 menit. LJK dimasukkan ke dalam alat dengan cara manual / belum menggunakan modul pengumpan dokumen otomatis.
Tabel 3. Pengujian Waktu Pengolahan Citra Percobaan Total LJK /menit
I 10
II 9
III 10
IV 10
V 9
Kecepatan Rata-Rata 9,6
Dari percobaan diperoleh waktu rata-rata pemrosesan sebuah
citra sebesar 6,25 menggunakan citra biner, waktu yang dibutuhkan akan lebih cepat. Jika dibandingkan dengan citra grayscale yang mempunyai 256 rentang nilai, proses template matching menggunakan citra biner menghasilkan waktu yang lebih cepat karena citra template dan citra sumber hanya mempunyai 2 nilai (0 dan 1). Dengan asumsi aligning template 1 mencari 1 template, aligning template 2 mencari 2 template, aligning template 3 mencari 16 template, aligning template 4 mencari 25 template, dan template jawaban mencari 37 template, total minimum terdapat 81 proses template matching.
4.3
Pengujian Media Arsiran
Pengujian media arsiran bertujuan untuk mengetahui persentase keberhasilan mencari template jawaban dari suatu media arsiran. Terdapat 10 macam media arsiran yaitu, 6 macam pulpen, 3 macam pensil, dan 1 spidol. Media tersebut adalah :
A. Pulpen Faster c600
B. Pulpen Snowman v-5 (0,7)
C. Pulpen Pilot
D. Pulpen Standard TECNO (0,38)
E. Pulpen Standard AE9 (0,5)
F. Pulpen Kenko K-1 (0,5)
G. Pensil Staedtler 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. Total setiap media arsiran diuji dengan 740 arsiran. Dengan menghitung jumlah arsiran yang ‘cocok’ dengan template jawaban, persentase keberhasilan suatu media dapat diketahui.
Tabel 4. Pengujian Media Arsiran
Media Keberhasilan (lingkaran) Keberhasilan (%)
A 740 100
B 740 100
C 740 100
D 740 100
E 740 100
F 740 100
G 740 100
H 733 99
I 738 99,7
J 740 100
Keseluruhan 100
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.
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.
4.4
Pengujian Luas Arsiran
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.
Gambar 8. Luas Arsiran
(a) Posisi Masuk LJK benar (b) Posisi Masuk LJK Terputar Gambar 9. Hasil Pengujian Luas Arsiran
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%.
4.5
Pengujian Akurasi
Terlihat pada Gambar 10, penggunaan metode correlation coefficient merupakan metode template matching paling tepat 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.
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.
(c) SQ_DIFF_NORMED
Gambar 10. Penggunaan metode template matching 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.
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
Rata-Rata 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.
5.
KESIMPULAN
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.
Candra, Jemmy K [, Timotius, Ivanna K][, Setyawan, I]. Sistem Pendeteksi Orang Tergeletak berbasis sebuah Kamera Pengawas dengan menggunakan metode Template Matching. Jurnal Cybermatika. Vol. 1: h.1-5. 2013.
Ermundari. Perancangan Aplikasi Pemindai Citra Lembar Jawaban Komputer (LJK) dengan Teknik Smart Scan. Jurnal Teknik Elektro Fakultas Teknik Universitas Tanjungpura. 2013.
Fast Light Toolkit. Index. http://www.fltk.org/index.php. 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 untuk Identifikasi Uang Kertas. Jurnal Teknologi Informasi DINAMIK. Volume XV: h.34-40. 2010.
Pauzi, Gurum A [, Warsito][, Suciyati, Sri W][, Sahtoni]. Analisis Pemanfaatan Teknik Template Matching Pada Sistem Akuisisi dan Pengenalan Karakter Citra Plat Nomor Kendaraan. Jurnal Teori dan Aplikasi Fisika. Vol. I: h.95-102. 2013.
Pratt, William K. Digital Image Processing Fourth Edition. John Wiley & Sons, Inc. 2007.
Ramdhani, S [, Melita, Y]. Penerapan metode Fungsi Kombinasi untuk menganalisa citra pada Sampel Lembar Jawaban Komputer Ujian Nasional SMA Negeri 3 Lamongan. Jurnal Teknika. Volume 3: h448-455. 2011.
Software LJK. Software LJK – About. http://softwareljk.com/about/. Diakses tanggal 13 Maret 2014.
Wardhana, Adhitya W [, Prayudi, Y]. Penggunaan Metode Templete Matching Untuk Identifikasi Kecacatan pada PCB. Seminar Nasional Aplikasi Teknologi Informasi (SNATI). h.47-50. 2008.
