Implementasi Metode Canny dalam Deteksi Tepi pada Aplikasi OMR (Optical Mark Recognition) Menggunakan Pengembangan Sistem Waterfall

Authors

  • Muhamad Rizki Pratama Universitas Muhammadiyah Prof Dr Hamka
  • Isa Faqihuddin Hanif Universitas Muhammadiyah Prof Dr Hamka

DOI:

https://doi.org/10.57096/edunity.v2i2.60

Keywords:

Lembar Jawaban, OMR, Sistem Waterfall

Abstract

Pengolahan citra digital merupakan suatu teknologi input berupa gambar seperti foto atau video yang dapat dimanfaatkan dalam meningkatkan kualitas suatu citra, sedangkan output dari pengolahan citra visual dapat berupa gambar atau sejumlah karakteristik yang berkaitan dengan sebuah gambar. Serta proses dalam identifikasi citra tersebut dibantu dengan menggunakan beberapa metode dengan maksud mengembangkan sistem yang bersumber pada citra tersebut. Dalam hal ini, penerapan teknik pengolahan citra digital akan digunakan pada objek lembar jawaban untuk mempercepat dan mempermudah proses mengoreksi hasil ujian dengan konsep visi komputer (Computer Vision). Pengembangan teknologi dengan standar Computer Vision ini, sebagaimana diterapkan dalam proses mengoreksi hasil ujian layaknya Lembar Jawaban Komputer (LJK) yang menggunakan alat mesin pemindai OMR. Pada penelitian ini, sebelum melakukan implementasi terhadap citra lembar jawaban dan teknologi OMR maka dilakukan tahapan preprocessing, segmentasi threshold hingga tahapan melakukan deteksi jawaban pada lembar jawaban. Aplikasi ini diimplementasikan dengan memanfaatkan library opencv serta metode Canny dengan kombinasi alur pengembangan sistem Waterfall. Penelitian ini menggunakan 15 dataset citra lembar jawaban. Dimana masing masing komposisi citra yaitu 8 hasil foto lembar jawaban sebagai citra arsiran penuh, 5 hasil foto lembar jawaban sebagai citra arsiran separuh dan 2 hasil foto lembar jawaban sebagai citra arsiran salah. Adapun hasil akurasi yang diberikan pada uji coba semua citra yang dilakukan ialah 93%.

References

REFERENCES

Chaudhary, Ruchika, Patel, Anuj, Kumar, Sushil, & Tomar, Sanjeev. (2017). Edge detection using particle swarm optimization technique. Proceeding - IEEE International Conference on Computing, Communication and Automation, ICCCA 2017, 2017-Janua(1), 363–367. https://doi.org/10.1109/CCAA.2017.8229843 Google Scholar

Fawwaz, Insidini, & Dharshinni, N. P. (2021). Jurnal Sistem Informasi dan Teknologi Jaringan Perbandingan Deteksi Tepi Citra Menggunakan Operator Robert , Canny , dan Frei Chen Pada Citra Bitmap dan JPEG. 2, 41–45. Google Scholar

Gautama, Tjatur Kandaga, Hendrik, Antonius, & Hendaya, Riskadewi. (2016). Pengenalan Objek pada Computer Vision dengan Pencocokan Fitur Menggunakan Algoritma SIFT Studi Kasus: Deteksi Penyakit Kulit Sederhana. Jurnal Teknik Informatika Dan Sistem Informasi, 2(3), 437–450. https://doi.org/10.28932/jutisi.v2i3.554 Google Scholar

Hermawan, Moh Novi. (2021). Deteksi Lembar Jawaban Komputer Menggunakan Omr (Optical Mark Recognition) Di Mts Nurul Iman. JATISI (Jurnal Teknik Informatika Dan Sistem Informasi), 8(3), 1361–1372. https://doi.org/10.35957/jatisi.v8i3.1078 Google Scholar

Isum, Raden, Maryati, Suryani, & Tryatmojo, Burhanuddin. (2019). Akurasi Sistem Face Recognition OpenCV Menggunakan Raspberry Pi Dengan Metode Haar Cascade. (Cv). Google Scholar

Kaloh, Karina M., Poekoel, Vecky C., & Putro, Muhamad D. (2018). Perbandingan Algoritma Background Subtraction dan Optical Flow Untuk Deteksi Manusia. Jurnal Teknik Informatika, 13(1), 1–9. https://doi.org/10.35793/jti.13.1.2018.20186 Google Scholar

Kuswandi, Eko Rahmad, & Fadillah, Nurul. (2019). Perbandingan Metode Robert dan Metode Prewitt untuk Deteksi Tepi pada Citra Tanda Tangan. InfoTekJar (Jurnal Nasional Informatika Dan Teknologi Jaringan), 3(2), 155–158. https://doi.org/10.30743/infotekjar.v3i2.997 Google Scholar

Nyoto, Rudy Dwi. (2018). Optical Mark Reading ( OMR ) Dengan Pencocokan Gambar Menggunakan Metode Fast Approximate Nearest Neighbors Edy Tanto , Arif Bijaksana Putra Negara ,. 444–450. Google Scholar

Optical, Mobile, Recognition, Mark, As, Application, Alternative, Inferior, Manual, To, For, Marking, & Countries, Middle income. (2022). Mobile Optical Mark Recognition Application As A Non- Inferior Alternative To Manual Marking For Lower- And Middle-Income Countries open access. 2022, 10–19. Google Scholar

Pratama, Muhamad Rizki Bhayangkara, Erlangga Putra, & Ishlah, Juan Mohammad. (2022). MODEL APLIKASI DOCUMENT SCANNER MENGGUNAKAN OPERATOR. MODEL APLIKASI DOCUMENT SCANNER MENGGUNAKAN OPERATOR CANNY DAN CONTOUR PADA OPEN CV BERBASIS DESKTOP, 10(2). Google Scholar

Riadi, Imam, Yudhana, Anton, & Sulistyo, Wicaksono Yuli. (2020). Analisis Perbandingan Nilai Kualitas Citra pada Metode Deteksi Tepi. Rekayasa Sistem Dan Teknologi Informasi, 4(2), 345–351. Google Scholar

Rizal Adi Saputra, Reskal, Frida Mimi Wahyuni. (2022). Segmentasi Pada Plat Kendaraan Dinas dengan. 6, 328–339. Google Scholar

Sampebua, Mingsep R., & Membala, Semuel B. (2018). Penerapan aplikasi ujian berbasis komputer untuk meningkatkan kualitas pendidikan pada SMP. Jurnal Pengabdian Papua, 2(1), 24–31. Google Scholar

Samuel Lukas, Hendra Tjahyadi, Dion Krisnadi, Steven Albert. (2019). Perancangan Aplikasi OMR berbasis Android. Seminar Nasional Inovasi Dan Aplikasi Teknologi Di Industri, 16(2), 116–125. Google Scholar

Saputro, Agung Dwi, & Kuddi, Bobi Frans. (2022). Pembuatan Aplikasi Try Out Cat ( Computer Assisted Test ) Penerimaan Pegawai Negeri Sipil Bidang Tes Intelegensi Umum Berbasis Desktop. 6, 467–475. Google Scholar

Tümer, Abdullah Erdal, & Küçükkara, Zeki. (2018). An Image Processing Oriented Optical Mark Recognition and Evaluation System. International Journal of Applied Mathematics, Electronics and Computers, 6(4), 59–64. https://doi.org/10.18100/ijamec.2018447788 Google Scholar

Zulkhaidi, Tengku Cut Al Saidina, Maria, Eny, & Yulianto, Yulianto. (2020). Pengenalan Pola Bentuk Wajah dengan OpenCV. Jurnal Rekayasa Teknologi Informasi (JURTI), 3(2), 181. https://doi.org/10.30872/jurti.v3i2.4033 Google Scholar

Downloads

Published

2023-02-25

Issue

Vol. 2 No. 2 (2023): Edunity : Social and Educational Studies

Section

Articles

License

Copyright (c) 2023 Muhamad Rizki Pratama1, Isa Faqihuddin Hanif2

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Authors who publish with this journal agree to the following terms:

  • Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under aCreative Commons Attribution-ShareAlike 4.0 International (CC-BY-SA). that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
  • Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
  • Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.