PERANCANGAN APLIKASI PENGENAL KARAKTER UNTUK PERHITUNGAN MATEMATIKA BERBASIS TESSERACT

Transkripsi

1 PERANCANGAN APLIKASI PENGENAL KARAKTER UNTUK PERHITUNGAN MATEMATIKA BERBASIS TESSERACT Ronaldi Kurniawan Saphala 1 ; Naufal Faherza Putra 2 ; Dennis Filemon 3 ; Dr.Ir.Haryono Soeparno, M.Sc 4 1,2,3,4 Computer Science Department, School of Computer Science, BINUS University, Jln. K.H. Syahdan No. 9, Palmerah, Jakarta Barat ronaldi_ks@yahoo.com, nflfaherza@gmail.com, dennis.filemon@yahoo.com ABSTRACT Character recognition is defined as the ability of computers to receive input in the form of an image and detect the characters in it. This goal of this research is to design a character recognition application using the Tesseract library to detect characters and perform mathematical operations. Tesseract library is used to get a better result in terms of accuracy. The application can be used to solve simple mathematical problems from an input image. The expected result from this research is a software that can detect characters from an input image and solve the mathematical problems accurately. Keyword: tesseract,application, character recognition, mathematics. ABSTRAK Pengenal karakter adalah kemampuan komputer (mesin) untuk menerima dan menafsirkan masukan (input) karakter. Penelitian ini bertujuan untuk merancang aplikasi pengenal karakter menggunakan library Tesseract yang dapat melakukan perhitungan matematika. Library Tesseract digunakan untuk mendapatkan hasil yang lebih akurat. Aplikasi ini dapat digunakan untuk menyelesaikan perhitungan matematika secara otomatis dengan mengambil gambar dari soal tersebut. Hasil yang diharapkan dari kegiatan ini adalah perangkat lunak pengenal karakter berbasis Tesseract dengan akurasi yang tinggi. Kata Kunci: tesseract, aplikasi, pengenal karakter, matematika PENDAHULUAN Dengan berkembangnya waktu semakin banyak kegunaan komputer untuk membantu kehidupan manusia, diantaranya ialah text recognition. Text recognition merupakan aplikasi yang dapat mengenali tulisan cetak baik berupa huruf maupun angka. Kini text recognition sudah banyak dipakai pada banyak bidang mulai dari bisnis, perbankan bahkan text recognition juga dapat membantu dalam kehidupan sehari-hari. Text recognition digunakan untuk membaca tulisan cetak secara otomatis sehingga memperepat dan mempermudah pekerjaan manusia. Selain itu text recognition dapat membaca tulisan cetak dan mengubahnya menjadi data digital sehingga tulisan cetak yang ada dapat diedit.

2 Text recognition juga dapat membantu dalam ilmu pendidikan, diantaranya dalam perhitungan matematika dapat dilakukan lebih baik dengan mengurangi keterbatasan yang dimiliki manusia seperti melakukan perhitungan yang lambat, ketidak telitian yang menyebabkan perhitungan menjadi salah, dan kurang mengerti bagaimana memecahkan perhitungan yang ada. Hal ini dilakukan dengan aplikasi yang dapat membaca persoalan matematika yang kemudian melakukan perhitungan secara otomatis lalu memberikan jawaban dari soal perhitungan tersebut. Untuk membuat aplikasi tersebut di butuhkan kemampuan komputer untuk meniru cara kerja manusia yang disebut intelegensia semu. Intelegensia semu adalah bidang studi yang mempelajari bagaimana cara untuk membuat sebuah komputer dapat melakukan hal yang membutuhkan intelegensi ketika dioperasikan oleh manusia (Luger dan Stubblefield, 1993). Melalui ilmu intelegensia semu ini, komputer (mesin) diharapkan dapat diberdayakan untuk mengerjakan segala sesuatu yang bisa dikerjakan oleh manusia. Di dalam ilmu Intelegensia semu terdapat berbagai bidang-bidang ilmu pengetahuan lanjutan, salah satunya adalah ilmu yang mempelajari tentang jaringan saraf tiruan. Sistem saraf tiruan atau jaringan saraf tiruan adalah sistem selular fisik yang dapat memperoleh, menyimpan dan menggunakan pengetahuan yang didapatkan dari pengalaman (Zurada, 1992). Jaringan saraf tiruan memakai sistem adaptif, yaitu sistem yang dapat mengubah strukturnya untuk memecahkan masalah berdasarkan informasi yang masuk, baik secara eksternal maupun internal yang mengalir melalui jaringan tersebut. Terdapat banyak hal yang dapat dilakukan dengan menerapkan jaringan saraf tiruan diantaranya adalah OCR atau Optical Character Recognition. OCR atau optical character recognition adalah suatu sistem yang dapat mengenali karakter tulisan yang dicetak atau tulisan tangan dengan melakukan scan pada dokumen (Harish dan Swathi, 2012). Dengan adanya OCR, gambar yang memiliki tulisan tangan, tulisan mesin ketik atau computer teks, dapat dimanipulasi. Teks yang discan dengan OCR dapat dicari kata per kata atau per kalimat. Dan setiap teks dapat dimanipulasi, diganti, atau diberikan barcode. Seiring berjalannya waktu banyak developer yang mengimplementasikan OCR kedalam library buatannya, seperti tesseract. Tesseract merupakan salah satu library OCR open source yang paling akurat. Dikombinasikan dengan Leptonica Image Processing Library dapat membaca berbagai format gambar dan mengkonversikannya ke teks dalam lebih dari 60 bahasa. Tesseract adalah salah satu dari 3 library dalam tes Akurasi 1995 UNLV. Pada tahun 1995 sampai 2006 hanya sedikit pengembangan pada tesseract, tapi sejak saat itu telah dikembangkan secara luas oleh Google. Hal ini dirilis di bawah Lisensi Apache 2.0.Tesseract akan digunakan untuk merancang aplikasi pengenalan teks. Pengenalan teks adalah kemampuan komputer (mesin) untuk menerima dan menafsirkan masukan (input) teks yang dapat dikenali oleh komputer tersebut dari sumber-sumber seperti dokumen kertas, foto, layar sentuh, dan perangkat lainnya. Dengan

3 aplikasi pengenalan teks dapat digunakan untuk mempermudah pekerjaan manusia dalam berbagai bidang diantaranya bisnis, ilmu pengetahuan, dan lain sebagainya. Aplikasi Pengenalan teks ini akan digunakan mempermudah pengguna dalam memproses teks. Dengan menggunakan aplikasi pengenalan teks ini, teks yang terdapat digambar dapat diedit kemudian dapat disimpan dalam bentuk digital. Aplikasi ini juga dapat melakukan penghitungan matematika sederhana serta trigonometri dan menyimpannya di komputer. METODE PENELITIAN Dalam mengembangkan aplikasi ini, digunakan dua metode penelitian, yaitu metode pengumpulan data dan metode perancangan aplikasi. 1. Metode Pengumpulan Data Dalam metode pengumpulan data ini, dilakukan beberapa tahapan, yaitu: 1. Studi Literatur Mencari referensi-referensi terkait dengan aplikasi yang dikembangkan baik buku teori, maupun jurnal internasional yang mendukung pengembangan aplikasi. 2. Kuesioner Menyebarkan kuesioner untuk mengumpulkan data mengenai kebutuhan user melalui social media maupun secara langsung dan untuk melakukan evaluasi terhadap aplikasi yang dikembangkan. 3. Analisis Aplikasi Sejenis Melakukan analisis aplikasi sejenis untuk melakukan perbandingan dengan aplikasi yang dikembangkan.. 2. Metode Perancangan Perancangan aplikasi dilakukan dengan menggunakan perangkat lunak Microsoft Visual Studio Bahasa pemograman yang digunakan adalah C#. Aplikasi ini menggunakan beberapa library eksternal agar dapat berjalan dengan baik, seperti MathdotNet dan Tesseract. Sebelum gambar diproses oleh Tesseract, ada beberapa tahap yang harus dijalani, yaitu Greyscale,Image Binarization dan Noise Removal. Proses ini disebut dengan image preprocessing yang bertujuan untuk memperbaiki kualitas gambar agar dapat dideteksi dengan baik oleh Tesseract. Tesseract sendiri menggunakan sebuah metode yang dinamakan Adaptive Classifier untuk melatih dan mendeteksi karakter dalam sebuah gambar. Setelah image preprocessing dilakukan, gambar akan dideteksi oleh Tesseract dan sebuah output yang berupa sejumlah karakter akan dikeluarkan. Aplikasi ini juga dapat memecahkan persoalan matematika sederhana dalam sebuah gambar. Untuk dapat memecahkan persoalan matematika, keluaran dari Tesseract yang berupa sebuah teks (String) akan di-parsing terlebih dahulu. Persoalan matematika yang dapat dipecahkan

4 meliputi : Trigonometri sederhana, Aritmatika sederhana, dan Persamaan Linear. Proses parsing yang dilakukan untuk setiap kasus matematika berbeda-beda. Untuk kasus persamaan linear, diperlakukan sebuah metode khusus untuk memecahkan persoalan, yang disebut dengan Gaussian Elimination. Aplikasi yang sedang dikembangkan ini memiliki beberapa aplikasi sejenis lainnya yang juga menggunakan library Tesseract dalam menjalankan sistem pengenalan karakter tersebut. Aplikasi tersebut diantaranya adalah FreeOcr, Lime-OCR, dan gimagereader. Berikut ini adalah penjelasan dari ketiga aplikasi tersebut beserta dengan kelebihan dan kekurangan dari masing-masing aplikasi tersebut. a. FreeOCR Aplikasi pengenal karakter ini menggunakan library Tesseract dalam menjalankan proses pengenalan karakter pada aplikasi tersebut. Aplikasi ini dapat membaca gambar melalui proses scanning maupun gambar yang telah tersimpan pada komputer. Terdapat beberapa fitur yang dimiliki oleh aplikasi ini, diantaranya adalah fitur edit untuk memodifikasi gambar yang akan dilakukan proses pengenalan karakter. Aplikasi ini juga dapat mengambil gambar dalam bentuk format,pdf dan menyimpannya dengan bentuk format lain seperti format.jpg. Aplikasi ini dapat mengenali karakter machine print secara akurat, sedangkan untuk mengenali tulisan tangan masih belum sempurna. Fitur lainnya yang dimiliki oleh aplikasi ini adalah fitur mengenali berbagai macam bahasa. Aplikasi ini dapat mengenali beberapa bahasa lain selain bahasa inggris, sehingga memberikan keleluasaan bagi penggunanya dalam mengenali berbagai bahasa karakter. b. Lime-OCR Aplikasi pengenal karakter ini juga menggunakan library Tesseract dalam menjalankan proses pengenalan karakter pada aplikasi tersebut, seperti pada aplikasi FreeOCR. Hal yang membedakan dari aplikasi sejenis lainnya terletak pada fitur-fitur yang ada pada aplikasi ini. Aplikasi ini membaca gambar dengan lebih dari 50 tipe format gambar. Aplikasi ini juga memiliki fitur untuk melakukan proses pengenalan secara langsung pada lebih dari 1 data, dan secara otomatis juga menyimpan hasil pengenalan tersebut kedalam format yang telah ditentukan sehingga dapat mengurangi waktu pengguna dalam melakukan proses pengenalan terhadap banyak data. Aplikasi ini juga memliki fitur edit sederhana seperti crop, rotate, normalize, dan lainnya. c. gimagereader aplikasi pengenal karakter ini juga menggunakan library Tesseract dalam menjalankan proses pengenalan karakter pada aplikasi tersebut, seperti pada aplikasi FreeOcr dan Lime-OCR. Hal yang membedakan dari aplikasi sejenis lainnya terletak dari fitur-fitur khusus yang ada pada aplikasi ini. Aplikasi ini dapat secara otomatis mengenali page layout yang ada pada gambar. Aplikasi ini juga memiliki fitur dimana pengguna dapat memillih bagian mana dari gambar yang akan dilakukan pengenalan karakter. Aplikasi ini juga langsung menampilkan hasil pengenalan karakter di sebelah gambar, sehingga dapat dilakukan perbandingan antara gambar dengan hasil yang didapat. Fitur lainnya yang ada pada aplikasi ini adalah fitur edit pada teks hasil dari pengenalan karakter yang

5 diantaranya adalah melakukan search and replace dan menghilangkan line breaks. Aplikasi ini juga mempunyai fitur spellchecking pada hasil pengenalan karakter sehingga dapat melakukan koreksi pada teks hasil pengenalan karakter. d. Perbandingan Ketiga aplikasi diatas mempunyai fungsi utama yang sama, yaitu mengenali karakter dari gambar menggunakan library Tesseract dan menyimpannya ke dalam berbagai bentuk format file. Perbedaan yang dimiliki pada aplikasi yang sedang dikembangkan ini dengan ketiga aplikasi sejenis tersebut terletak pada fitur tambahan berupa perhitungan matematika pada karakter yang telah dikenali. Perhitungan matematika tersebut mencakup perhitungan aritmatika dasar, trigonometri, serta persamaan linear. Pada aplikasi FreeOCR dan Lime-OCR, tidak disediakan fitur correction untuk melakukan pembetulan pada teks yang telah dilakukan proses pengenalan karakter. Selain itu, untuk aplikasi Lime-OCR hasil dari pengenalan karakter yang dilakukan tidak secara langsung ditampilkan pada layar aplikasi, sehingga sulit untuk memeriksa dan membandingkan hasil pengenalan dengan gambar yang dikenali. Pada aplikasi gimagereader, penggunaannya relatif lebih sulit karena interface yang membingungkan serta tidak adanya fungsi help untuk membantu penggunanya dalam memahami cara penggunaan aplikasi tersebut. HASIL DAN BAHASAN Berikut tampilan utama dari aplikasi yang dirancang: Gambar 1: Layar Utama Keterangan Gambar: 1. Tempat kosong bagi user untuk menampilkan gambar yang dipilih 2. Hasil dari image processing berupa teks. 3. Tempat menampilkan gambar yang di-crop dari layar utama (1). 4. Tombol-tombol untuk melakukan image processing. Contoh penggunaan aplikasi dengan gambar :

6 Gambar 2: Penggunaan Aplikasi Contoh penggunaan aplikasi untuk persoalan matematika sederhana: Gambar 3 : Penyelesaian matematika sederhana Contoh penggunaan aplikasi untuk penyelesaian persamaan linear:

7 Gambar 4 : Penyelesaian Persamaan Linear Contoh penggunaan aplikasi untuk penyelesaian Trigonometri: Gambar 5: Penyelesaian Trigonometri SIMPULAN DAN SARAN Dari penelitian yang telah dilakukan ini, dapat ditarik beberapa kesimpulan yang diantaranya adalah sebagai berikut: a. Aplikasi yang telah dibuat ini memiliki beberapa kelebihan dibandingkan dengan aplikasi-aplikasi sejenis, diantaranya adalah adanya fitur perhitungan matematika berupa perkalian, pertambahan, pembagian, trigonometri hingga kepada persamaan linear. Fitur lainnya adalah dapat menyimpan hasil pengenalan kedalam berbagai bentuk format serta dapat melakukan proses pengenalan baik dari file, maupun secara langsung dari layar komputer.

8 b. Aplikasi ini mampu membaca tulisan teks secara langsung maupun dari file dengan menggunakan library Tesseract serta mampu menghitung hasil baca tulisan teks tersebut dengan menggunakan teknik parsing. c. Fitur perhitungan matematika dapat membantu pengguna dalam menyelesaikan persamaan matematika yang ada pada tulisan teks dengan akurasi yang tinggi sehingga dapat mengurangi waktu pengguna untuk menyelesaikan persamaan matematika tersebut. d. Fitur penyimpanan dengan berbagai format file memberikan kebebasan bagi pengguna dalam memilih tipe file yang diinginkan, sehingga pengguna tidak perlu menggunakan aplikasi lain untuk mengganti tipe file yang diinginkan. e. Fitur pengenalan teks dari file maupun secara langsung juga memberikan kebebasan bagi pengguna untuk memilih metode pengenalan teks, sehingga membantu user dalam melakukan proses pengenalan teks. REFERENSI Fausett, Laurene. (1994). Fundamentals of Neural Networks: Architectures, Algorithms, and Applications. United States of America: Prentice Hall, Inc. Sommerville, Ian. (2011). Software Engineering (9th ed.). United States of America: Pearson Education, Inc. Smith, R. (2007). An Overview of the Tesseract OCR Engine, Google, Inc. Thungamani, M., & P Kumar. (2011). Off-line Handwritten Kannada Text Recognition Using Support Vector Machine Using Zernike Moments. 11(7). International Journal of Computer Science and Network Security Wang, Q., Yin, F., & C Liu. (2012). Handwritten Chinese Text Recognition by Integrating Multiple Contexts. IEEE Transactions on Pattern Analysis and Machine Intelligence, Whitten, Jeffrey (2007). System Analysis and Design Methods (edisi kelima). New York: Mc Graw Hill Education Zurada, J.M. (1992). Introduction to Artificial Neural Systems. Boston: PWS Publishing Company

9 RIWAYAT HIDUP Ronaldi Kurniawan Saphala lahir di kota Jakarta pada 31 Desember Penulis menamatkan pendidikan S1 di BINUS University dalam bidang Ilmu Komputer pada tahun Penulis aktif di dalam organisasi UKM Bulutangkis Binus sebagai pemain. Naufal Faherza Putra lahir di kota Jakarta pada tanggal 4 Juli Penulis menamatkan pendidikan S1 di BINUS University dalam bidang Ilmu Komputer pada tahun Dennis Filemon lahir di kota Jakarta pada tanggal 31 Desember Penulis menamatkan pendidikan S1 di BINUS University dalam bidang Ilmu Komputer pada tahun 2015.