LAPORAN KEMAJUAN

PELAKSANAAN PENELITIAN DOSEN PEMULA

PEMANFAATAN METODE CHARACTER RECOGNITON DALAM

PEMERIKSAAN LEMBAR JAWABAN PILIHAN GANDA

Tahun ke 1 dari rencana 1 tahun

TIM PENGUSUL

Andi Patombongi, S.Si.,M.Kom (Ketua) (0910128401)

Baharuddin, ST., MT (Anggota) (0930066901)

SEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER

CATUR SAKTI KENDARI

SEPTEMBER 2016
 RINGKASAN

Beberapa tahun terakhir ini telah dikembangkan otomatisasi pemrosesan

form isian data menggunakan Lembar Jawab Komputer (LJK) atau
Dokumen Bertanda Jawab (DBJ). Otomatisasi tersebut diperlukan karena jumlah data
atau kuisioner yang besar menyebabkan kebutuhan akan efisiensi pemrosesan
mutlak diperlukan. LJK dibaca dan diproses menggunakan piranti yang disebut
Optical Mark Reader (OMR) yaitu sejenis pemindai khusus yang dapat
mendeteksi tanda pada lembar jawab.

Piranti OMR yang beredar dipasaran memiliki kisaran harga yang

tinggi sedangkan kebutuhan akan piranti OMR saat ini tidak hanya pada institusi
besar, tetapi juga institusi menengah maupun kecil. Biaya pengadaan OMR dapat
memberatkan anggaran atau bahkan tidak terjangkau. Berangkat dari keadaan ini
muncul ide untuk mengembangkan perangkat pemeriksa lembar jawab yang
ekonomis namun tidak mengurangi keakuratan pemeriksaan jawaban.
Perangkat ini dinamakan Digital Mark Reader (DMR) yang dikembangkan oleh
LPPM-ITB.

Jika dibandingkan dengan DMR penelitian ini mencoba untuk mengusulkan desain
DBJ yang lebih sederhana dari segi ukuran dan metode pendeteksian jawaban yang berbeda
yaitu dengan menggunakan metode pengenalan karakter teks (text character recognition),
kelemahan DMR adalah sistem ini memerlukan analisis piksel terhadap keberadaan tanda
pada seluruh daerah yang telah didefinisikan pada saat pembuatan DBJ, contoh pada
pembacaan nama peserta ujian atau responden, jika kolom huruf pengisian nama peserta
berjumlah 25 kolom dan setiap kolom memiliki pilihan huruf sebanyak 26 (a-z) jadi sistem
memerlukan 650 kali pemeriksaan dari keberadaan tanda dari daerah yang telah didefinisikan
sebagai nama peserta ujian atau responden, begitu juga dengan pembacaan jawaban peserta
ujian atau responden, jika pilihan jawaban sebanyak 5 (A – E) untuk setiap nomor soal maka
sistem memerlukan 500 kali pemeriksaan jika jumlah soal sebanyak 100, untuk mendeteksi
keberadaan tanda dari daerah yang telah didefinisikan sebagai pilihan jawaban, atas dasar
inilah penelitian ini mencoba untuk mengusulkan desain DBJ yang sederhana dengan
pembacaan identitas dan jawaban peserta ujian atau responden dengan metode pengenalan
karakter.

Diharapkan dengan penelitian ini dapat menciptakan metode baru dalam

pemeriksaan DBJ untuk meningkatkan kecepatan pembacaan identitas dan jawaban dari DBJ
sehingga bermanfaat untuk pengembangan penelitian pemeriksaan DBJ dalam rangka
peningkatan kecepatan pembacaan identitas dan jawaban dari DBJ, meminimalisir kesalahan
pengisian identitas dan jawaban oleh peserta ujian atau responden dan dapat mengefisienkan
dana pembuatan DBJ, dikarenakan desain DBJ yang berukuran lebih kecil.

Kata Kunci: Text Character Recogniton, Pemeriksaan, Dokumen Bertanda Jawab.

iii
 PRAKATA

Puji syukur kami panjatkan kehadirat Allah SWT dan salam serta shalawat tercurah
untuk baginda Muhammad SAW sehingga Laporan Kemajuan pada penelitian dengan judul
pemanfaatan metode character recogniton dalam pemeriksaan lembar jawaban pilihan ganda
dapat diselesaikan.

Penelitian ini berlangsung dua tahap. Tahap pertama Alhamdulillah telah selesai
dilakukan. Kerjasama yang baik antara sesama tim peneliti menjadikan penelitian ini berjalan
dengan lancar. Tetapi terlepas dari hal tersebut, kami menyadari masih banyak kekurangan
yang terdapat pada laporan kemajuan ini. Oleh karena itu masukan dan saran akan sangat
berguna sebagai evaluasi kami selanjutnya dalam membuat laporan akhir penelitian ini.

iv
 'DAFTAR ISI
HALAMAN SAMPUL..............................................................................................................i
HALAMAN PENGESAHAN...................................................................................................ii
DAFTAR ISI.............................................................................................................................iii
RINGKASAN ......................................................................................................................... iii
BAB I. PENDAHULUAN .................................................................................................... 1
1.1 Latar Belakang ............................................................................................................... 1
1.2 Rumusan Masalah .......................................................................................................... 2
BAB II. TINJAUAN PUSTAKA .......................................................................................... 3
2.1 Dokumen Bertanda Jawaban .......................................................................................... 3
2.2 Digital Mark Reader ....................................................................................................... 3
2.3 Representasi Citra Digital .............................................................................................. 4
2.4 Pengertian Pengenalan Karakter .................................................................................... 4
2.5 Struktur Sistem Pengenalan Pola ................................................................................... 5
2.6 Pendekatan Sistem Pengenalan Pola .............................................................................. 5
BAB III. TUJUAN DAN MANFAAT .................................................................................... 6
BAB IV. METODE PENELITIAN ....................................................................................... 6
4.1 Waktu dan Tempat Penelitian ........................................................................................ 6
4.2 Tahapan Penelitian ......................................................................................................... 6
BAB V. HASIL YANG DICAPAI ........................................................................................ 7
BAB VI. RENCANA TAHAPAN SELANJUTNYA.......................................................... 12
BAB VII. KESIMPULAN DAN SARAN ............................................................................. 12
DAFTAR PUSTAKA ............................................................................................................. 13
LAMPIRAN-LAMPIRAN .................................................................................................... 14
Lampiran 1. Hasil Pemindaian DBJ .................................................................................... 14
Lampiran 2. Hasil Perbaikan Citra Digital DBJ ................................................................ 24

v
 DAFTAR TABEL

Tabel 5.1 Data Hasil Pengolahan Masing Masing DBJ ..................................................12

vi
 DAFTAR GAMBAR

Gambar 2.1 Struktur Sistem Pengenalan Pola ...............................................................5

Gambar 4.1. Skema Global Sistem ................................................................................7

Gambar 5.1. Hasil Rancangan Dokumen Bertanda Jawab (DBJ). .................................8

Gambar 5.2. DBJ Telah Diisi Dengan Bolpoin Tinta Hitam ..........................................9

Gambar 5.3. DBJ Telah Diisi Dengan Bolpoin Tinta Biru .............................................9

Gambar 5.4. Algoritma Perbaikan Kemiringan Citra Digital DBJ ...............................10

Gambar 5.5. Hasil Pemindaian DBJ yang mengalami kemiringan ...............................11

Gambar 5.5. Hasil Perbaikan DBJ yang mengalami kemiringan ..................................11

vii
BAB I. PENDAHULUAN

1.1 Latar Belakang

Beberapa tahun terakhir ini telah dikembangkan otomatisasi pemrosesan

form isian data menggunakan Lembar Jawab Komputer (LJK) atau
Dokumen Bertanda Jawab (DBJ). Otomatisasi tersebut diperlukan karena jumlah data
atau kuisioner yang besar menyebabkan kebutuhan akan efisiensi pemrosesan
mutlak diperlukan. LJK dibaca dan diproses menggunakan piranti yang disebut
Optical Mark Reader (OMR) yaitu sejenis pemindai khusus yang dapat
mendeteksi tanda pada lembar jawab. Tanda tersebut berupa bulatan hitam yang
dibuat oleh pengisi jawaban menggunakan pensil, pada umumnya jenis pensil 2B.
OMR tersebut dapat mendeteksi letak tanda tersebut untuk kemudian disimpan
informasinya dan diproses lebih lanjut, yaitu dapat berupa penghitungan
jumlah jawaban tertentu atau dapat juga dilakukan pencocokan jawaban dengan
kunci jawaban yang telah tersedia [3].

Piranti OMR yang beredar dipasaran memiliki kisaran harga yang tinggi
sedangkan kebutuhan akan piranti OMR saat ini tidak hanya pada institusi besar,
tetapi juga institusi menengah maupun kecil. Biaya pengadaan OMR dapat
memberatkan anggaran atau bahkan tidak terjangkau. Berangkat dari keadaan ini
muncul ide untuk mengembangkan perangkat pemeriksa lembar jawab yang
ekonomis namun tidak mengurangi keakuratan pemeriksaan jawaban.
Perangkat ini dinamakan Digital Mark Reader (DMR) yang dikembangkan oleh
LPPM-ITB. Perangkat ini menggunakan pemindai sebagai pembaca lembar jawab
komputer, yang harganya lebih murah dibandingkan OMR. Untuk pemrosesan
data hasil pembacaan pemindai diperlukan piranti lunak khusus.

Jika dibandingkan dengan DMR penelitian ini mencoba untuk mengusulkan desain
DBJ yang lebih sederhana dari segi ukuran dan metode pendeteksian jawaban yang berbeda
yaitu dengan menggunakan metode pengenalan karakter teks (text character recognition),
kelemahan DMR adalah sistem ini memerlukan analisis piksel terhadap keberadaan tanda
pada seluruh daerah yang telah didefinisikan pada saat pembuatan DBJ, contoh pada
pembacaan nama peserta ujian atau responden, jika kolom huruf pengisian nama peserta
berjumlah 25 kolom dan setiap kolom memiliki pilihan huruf sebanyak 26 (a-z) jadi sistem
memerlukan 650 kali pemeriksaan dari keberadaan tanda dari daerah yang telah didefinisikan

1
sebagai nama peserta ujian atau responden, begitu juga dengan pembacaan jawaban peserta
ujian atau responden, jika pilihan jawaban sebanyak 5 (A – E) untuk setiap nomor soal maka
sistem memerlukan 500 kali pemeriksaan jika jumlah soal sebanyak 100, untuk mendeteksi
keberadaan tanda dari daerah yang telah didefinisikan sebagai pilihan jawaban, atas dasar
inilah penelitian ini mencoba untuk mengusulkan desain DBJ yang simpel dengan pembacaan
identitas dan jawaban peserta ujian atau responden dengan metode pengenalan karakter.

1.2 Rumusan Masalah

Berdasarkan uraian diatas yang menjadi permasalahan kemudian adalah:

1. Bagaimana Mendesain DBJ yang mudah “dibaca” oleh sistem dan mudah diisi oleh
peserta ujian atau responden.
2. Bagaimana “membaca” identitas dan jawaban dari DBJ dengan menggunakan metode
pengenalan karakter teks.

2
BAB II. TINJAUAN PUSTAKA

2.1 Dokumen Bertanda Jawaban

Dokumen Bertanda Jawab (DBJ) atau LJK (Lembar Jawaban Komputer) adalah
kertas khusus yang biasa digunakan untuk input data yang akan dibaca melalui beberapa
perangkat seperti OMR (Optical Mark reader), DMR (Digital Mark Reader). Ditemukan
sekitar 1800-an, dengan menggunakan mesin pertama OMR adalah IBM 805 Test Scoring
Machine.
Alasan LJK Tidak Boleh Rusak. Agar tidak susah dalam memproses scan atau
pembacaan pada kertas, kotoran misalnya debu yang tertempel bisa terbaca jawaban. LJK
rusak tidak dapat dimasukan ke dalam scanner, karena dapat menyebabkan lembar tersebut
tidak dapat di baca oleh scanner. Alasan Pembulatan Harus Penuh satu lingkaran (misalnya
lingkaran opsi “A”) itu terdiri dari beberapa titik, sebesar jarum jahit, titiknya tidak
sebesar lingkaran “A” itu. Dibulatkan penuh agar sensornya terbaca semua, sehingga dapat
memenuhi satu opsi yang dipilih, jika pada kunci benar maka jawaban benar, begitu juga
sebaliknya. Kelebihan pada penggunaan LJK. Lebih efisien dibandingkan dengan ujian
menggunakan komputer, karena bisa terjadi pencurangan dengan cara menjebol keamanan
sistem, serta dibutuhkan biaya yg mahal untuk menyediakan komputer. Lebih dimudahkan
dalam hal pengoreksian. Waktu yang dibutuhkan untuk mengkoreksi semua ujiannya jauh
lebih cepat dari pada dilakukan manual. Jauh lebih murah dalam operasional. Dengan
menggunakan scanner DMR, kertas bisa diproduksi sendiri. Tidak harus menggunakan
yang asli [3].

2.2 Digital Mark Reader

Digital Mark Reader (DMR) "membaca" tanda pensil, pena, maupun spidol pada
posisi-posisi tertentu yang telah ditentukan sebelumnya pada isian/form sebagai jawaban
terhadap pertanyaan maupun penentuan pilihan dari daftar yang telah ada. Sistem
pemasukan data DMR mengekstrak data berupa ada tidaknya tanda pada form yang telah
diisi menjadi informasi yang lebih bermakna.
1. DMR melakukan pemindaian terhadap form menggunakan alat pemindai/scanner
biasa yang tersedia di pasaran, model flatbed maupun dengan feeder. Penggunaan alat
pemindai yang memiliki feeder akan memperkecil waktu pemrosesan.
2. Data berupa citra digital yang sampai ke komputer selanjutnya disimpan dan
dilakukan pendeteksian keberadaan tanda.

3
3. Hasil pendeteksian tersebut kemudian diproses untuk memperoleh penyajian
informasi yang lebih bermakna serta sesuai dengan kebutuhan penggunanya [3].

2.3 Representasi Citra Digital

Citra digital adalah suatu fungsi identitas cahaya dua dimensi f(x,y) , dimana x dan y
menunjukkan koordinat spasial. Nilai f(x,y) pada tiap titik menunjukkan tingkat keabuan
(gray level) citra pada titik tersebut [2]
Citra digital dapat berupa citra dalam mode keabuan atau citra berwarna (color). Setiap
citra direpresentasikan dalam bentuk matrik berukuran m x n, dimana m menunjukkan
banyaknya elemen baris dan n untuk jumlah kolom pada matriks tersebut. Berikut adalah
persamaan representasi citra dijital berukuran mxn

(2.1)

Tiap sel matriks disebut picture element disingkat dengan pixel yang mewakili tingkat
keabuan atau intensitas warna. Pada citra digital dengan format 8 bit akan memiliki 256
intensitas warna. Nilai ini berkisar antara 0 sampai dengan 255 dengan nilai 0 menunjukkan
intensitas paling gelap dan nilai 255 menunjukkan intensitas paling terang.

2.4 Pengertian Pengenalan Karakter

Pengenalan karakter yang umum disebut sebagai OCR (Optical Character

Recognition) termasuk pada pengenalan pola, yang mana sistem ini khusus digunakan
untuk mengenali tulisan teks cetak yang diketik dan dicetak menggunakan printer.
Pengertian pengenalan pola sendiri merupakan suatu sistem yeng mencoba
untuk membaca / mengenali apakah citra masukan yang diterima cocok dengan salah
satu citra yang telah ditentukan. Pengaplikasian pengenalan pola diantaranya seperti
pendeteksi sidik jari, tulisan, tanda tangan, bahkan wajah seseorang.
Tujuan dari pengenalan karakter adalah untuk mendukung perkembangan teknologi
yang semakin pesat dalam bentuk digital. Sehingga bila terdapat suatu data fisik yang
dikehendaki menjadi bentuk digital, maka sistem pengenal karakter ini dapat
dimanfaatkan.

4
2.5 Struktur Sistem Pengenalan Pola

Secara umum, struktur sistem pengenalan pola adalah sebagai berikut:

Gambar 2.1 Struktur Sistem Pengenalan Pola

a) Sensor berfungsi untuk menangkap objek dari dunia nyata dan selanjutnya diubah
menjadi sinyal digital melalui proses digitalisasi.
b) Pra-pengolahan berfungsi mempersiapkan citra atau sinyal agar dapat
menghasilkan ciri yang lebih baik pada tahap berikutnya. Pada tahap ini sinyal
informasi ditonjolkan dan sinyal pengganggu (derau) diminimalisasi.
c) Pencari dan seleksi fitur berfungsi menemukan karakteristik pembeda yang
mewakili sifat utama sinyal sekaligus mengurangi dimensi sinyal menjadi
sekumpulan bilangan yang lebih sedikit tetapi representatif.
d) Algoritma klarifikasi berfungsi untuk mengelompokkan fitur ke dalam
kelas yang sesuai.
e) Algoritma deskripsi berfungsi memberikan deskripsi pada sinyal.

2.6 Pendekatan Sistem Pengenalan Pola

Terdapat 3 macam pendekatan pengenalan pola, yaitu:

1. Pendekatan pengenalan pola statistikal (StatPR)
Pengenalan pola statistikal memiliki asumsi suatu basis statistik untuk algoritma
klasifikasi, sehingga pola dipilah berdasarkan model statistik dari fitur.
2. Pendekatan pengenalan pola sintatik (SyntPR)
Pada pendekatan ini, pola dipilah berdasarkan keserupaan ukuran struktural.
3. Pendekatan pengenalan pola neural (NeuroPR)
Pendekatan ini menggunakan metode jaringan saraf tiruan (JST) untuk mengidentifikasi
pola, sehingga pemilahan pola dilakukan berdasarkan tanggapan suatu neuron
jaringan pengolah sinyal (neuron) terhadap stimulus masukan (pola).

5
BAB III. TUJUAN DAN MANFAAT

Tujuan penelitian ini adalah:

1. Mendesain DBJ yang memudahkan peserta ujian atau responden dalam mengisi
jawaban
2. Menciptakan metode baru dalam pemeriksaan DBJ untuk meningkatkan kecepatan
pembacaan identitas dan jawaban dari DBJ.

Manfaaat penelitian ini adalah:

1. Dapat digunakan untuk pengembangan penelitian pemeriksaan DBJ untuk meningkatkan

kecepatan pembacaan identitas dan jawaban dari DBJ.
2. Meminimalisir kesalahan pengisian identitas dan jawaban oleh peserta ujian atau
responden.
3. Dapat mengefisienkan dana pembuatan DBJ, dikarenakan desain DBJ yang berukuran
lebih kecil.

BAB IV. METODE PENELITIAN

4.1 Waktu dan Tempat Penelitian

Pelaksanaan Penelitian ini direncanakan selama 1 (satu) tahun di Laboratorium Pemrograman
STMIK Catur Sakti Kendari.

4.2 Tahapan Penelitian

1. Mengidentifikasi Masalah.
Pada tahap awal ini penulis melakukan identifikasi masalah untuk merumuskan masalah
yang akan diteliti.
2. Studi Literatur.
Dilakukan studi literatur untuk mempelajari dari buku-buku referensi dan hasil
penelitian sejenis sebelumnya yang pernah dilakukan oleh orang lain
3. Perancangan
Merancang Dokumen Bertanda Jawab (DBJ), Rancangan DBJ yang akan digunakan
dalam penelitian memiliki 2 (dua) komponen dasar yaitu identitas dan jawaban, identitas
terdiri dari Nomor Identitas dan Nama Peserta Ujian atau Responden. Desain Sistem
secara garis besar dapat dilihat pada Gambar 3.1

6
 DBJ Terisi

Pengisian Pemindaian
DBJ DBJ

Digitalisasi
Citra DBJ

Penyimpanan Data
Hasil Ekstraksi
Pengolahan
DBJ
Pembacaan data
Dengan metode pengenalan
Karakter teks

Penyajian Data

Gambar 4.1. Skema Global Sistem

4. Implementasi
Bahasa pemrograman direncanakan akan menggunakan perangkat lunak Matlab
5. Uji Coba
Pengujian ditekankan dengan menekankan pada lamanya waktu yang dibutuhkan untuk
melakukan pemrosesan terhadap DBJ hingga dapat menghasilkan informasi.

BAB V. HASIL YANG DICAPAI

Berdasarkan skenario dan langkah-langkah percobaan atau eksperimen yang telah

dijelaskan pada bab sebelumnya, maka pada bab ini akan dibahas hasil percobaan atau
eksperimen yang telah dilakukan

5.1 Dokumen Bertanda Jawab (DBJ)

Hasil rancangan DBJ dapat dilihat pada Gambar 5.1. DBJ dirancang dengan isian
nomor induk mahasiswa (NIM) dan jawaban berjumlah 100 nomor. Untuk format NIM
mengikuti format dari perguruan tinggi STMIK Catur Sakti Kendari yang berjumlah 7
karakter yang keseluruhanya terdiri dari angka. Didalam setiap kotak isian terdapat angka 8
(FONT: Digital-7) yang diwarnai buram, angka ini menjadi pola yang harus diikuti
responden untuk mengisi NIM dan jawaban. Petunjuk pengisian terletak di bagian bawah

7
DBJ, seperti terlihat pada Gambar 5.1. hal ini bermaksud agar menyeragamkan pola huruf
ataupun angka yang diisikan oleh responden ke dalam DBJ. DBJ juga dirancang dengan
menyertakan garis tepi yang mengelilingi isian Nim dan Jawaban yang berfungsi untuk
mendeteksi jika terdadi kemiringan dokumen DBJ ketika proses pemindaian DBJ ke citra
digital.

Gambar 5.1. Hasil Rancangan Dokumen Bertanda Jawab (DBJ).

5.2 Pengisian Dokumen Bertanda Jawab

Untuk tahap awal telah disebar DBJ kepada 10 responden mahasiswa STMIK Catur
Sakti Kendari dan semuanya telah diisi yang dapat dilihat di Lampiran 1. Pada Gambar 5.2.
merupakan DBJ yang telah diisi oleh salah satu mahasiswa STMIK Catur Sakti Kendari
dengan bolpoin tinta hitam dan Pada Gambar 5.3. merupakan DBJ yang telah diisi oleh salah
satu mahasiswa STMIK Catur Sakti Kendari dengan bolpoin tinta biru. Kepada mahasiswa
yang menjadi responden, tidak dibatasi warna bolpoin yang digunakan untuk mengisi DBJ.

8
Gambar 5.2. DBJ Telah Diisi Dengan Bolpoin Tinta Hitam

Gambar 5.3. DBJ Telah Diisi Dengan Bolpoin Tinta Biru

9
5.3 Pemindaian DBJ
Proses pemindaian DBJ menggunakan Scanner Epson Pervection V370 Photo, dengan
resolusi 300 dpi (dot per inch), hasil pemindaian berjumlah 10 (sepuluh) DBJ yang telah diisi
oleh responden mahasiswa yang dapat dilihat pada Lampiran 1.

5.4 Perbaikan Citra Hasil Pemindaian

Dari data hasil pengolahan DBJ yang didapatkan, keseluruhan DBJ mengalami
kemiringan ketika proses peletakan DBJ ke dalam alat scanner data hasil pengolahan dapat
dilihat pada Tabel 5.1, dari tabel dilihat DBJ yang mengalami sudut kemiringan paling kecil
adalah -0,0560 dan terbesar adalah -1,860 . Kondisi ini akan mempengaruhi proses
pengenalan NIM dan Jawaban oleh Sistem dikarenakan koordinat setiap titik dari karakter
pengisian telah ditentukan sebelumnya. Oleh karena itu citra digital DBJ terlebih dahulu
diperbaiki posisinya secara otomatis dengan algoritma pada Gambar 5.4. Citra digital DBJ
yang mengalami kemiringan -1,860 dapat dilihat pada Gambar 5.5. Untuk Hasil Perbaikan
Citra DBJ dapat dilihat pada Gambar 5.6.

Start

Deteksi 2 Koordinat
(kiri dan kanan) dari
garis tepi DBJ
bagian atas

Hitung Gradien
Garis Tepi Bagian
atas

Hitung Derajat
Kemiringan Garis
Tepi Bagian atas

Rotasi Citra Digital

DBJ sesuai derajat
kemiringan

End

Gambar 5.4. Algoritma Perbaikan Kemiringan Citra Digital DBJ

10
Gambar 5.5. Hasil Pemindaian DBJ yang mengalami kemiringan

Gambar 5.6. Hasil Perbaikan DBJ yang mengalami kemiringan

11
 Tabel 5.1 Data Hasil Pengolahan Masing Masing DBJ
SUDUT WAKTU
No GRADIEN KEMIRINGAN PENGOLAHAN
(DERAJAT) (DETIK)
1 -0,01832 -1,049805167 1,20993
2 0,014136 0,809886395 1,163258
3 -0,02775 -1,589475011 1,218131
4 -0,00105 -0,059995559 1,168646
5 -0,03246 -1,859210167 1,182116
6 0,002094 0,119990986 1,238242
7 -0,01204 -0,689915831 1,171793
8 -0,01257 -0,71990908 1,164113
9 -0,02461 -1,409611675 1,137749
10 -0,00209 -0,119990986 1,182409
Rata-rata -0,01199 -0,687078608 1,180343

BAB VI. RENCANA TAHAPAN SELANJUTNYA

1. Melakukan Pengenalan Pola karakter dari isian DBJ

2. Analisa data hasil
3. Penyusunan dan pengiriman laporan akhir
4. Seminar
5. Publikasi hasil pada jurnal

BAB VII. KESIMPULAN DAN SARAN

Kesimpulan yang bisa diperoleh dari pengujian tahap satu yaitu keseluruhan DBJ
mengalami kemiringan ketika proses peletakan DBJ ke dalam alat scanner data hasil
pengolahan dapat dilihat pada Tabel 5.1, dari tabel dilihat DBJ yang mengalami sudut
kemiringan paling kecil adalah -0,0560 dan terbesar adalah -1,860 . Kondisi ini akan
mempengaruhi proses pengenalan NIM dan Jawaban oleh Sistem, dikarenakan koordinat
setiap titik dari karakter pengisian telah ditentukan sebelumnya.
Saran untuk pengujian dan laporan akhir nantinya agar data pengisian DBJ diperbayak
lagi agar diperoleh variasi data yang tinggi.

12
 DAFTAR PUSTAKA

Ballard, D.H. dan Christopher, M.B. (1982), Computer Vision

Gonzalez, R.C., Woods, R.E.,( 2002) “Digital Image Processing 2/E”. Prentice Hall,
Hayuning, T dan Pramesti, P, Pengenalan Karakter Teks Menggunakan Metode Neural Network
Backpropagation
NJ: Prentice-Hall. Budiarti, A. (2005), Digital Mark Reader.
Prabowo A. Z dan Johar, A, (2014), Aplikasi Koreksi Lembar Jawaban Komputer Hasil
Ujian Akhir Semester Kelas X di SMAN 7 Plus Kota Bengkulu Menggunakan Digital
Mark Reader (DMR), Jurnal Rekursif Vol 2 No 1.
Rahmat, A. dan Supriatna, I. (2003), Pengantar Digital Mark Reader tersedia di
http://ilmukomputer.org/2008/11/25/pengantar-digital-mark-reader-dmr/
(diakses 27 April 2015)

13
 LAMPIRAN-LAMPIRAN

5.5 Lampiran 1. Hasil Pemindaian DBJ

14
15
16
17
18
19
20
21
22
23
5.6 Lampiran 2. Hasil Perbaikan Citra Digital DBJ

24
25
26