PERALATAN PEMINDAIAN (SCANNING DEVICES)

PERALATAN PEMINDAIAN

(SCANNING DEVICES)

· Fungsi Input Devices adalah untuk mengumpulkan data dan mengkonversinya ke dalam suatu bentuk yang dapat diproses oleh komputer

· Input Devices terdiri dari alat yang mengambil data dan program yang dapat dibaca atau dipahami manusia dan mengkonversi ke suatu format yang dapat diproses komputer

Kategori Input Devices

· Alat input langsung, yaitu input yang dimasukkan langsung diproses oleh alat pemroses. Contohnya : keyboard, mouse dll.

·  Alat input tidak langsung, yaitu melalui media tertentu sebelum suatu input diproses oleh alat pemroses peralatan entri data yang bukan papan tombol (keyboard). Peralatan entri langsung meliputi :

1. Peralatan pointing (Pointing Devices),

2. Peralatan pemindaian (Scanning Devices),

3. Kartu cerdas dan optik (Smart & Optical Cards),

4. Peralatan pengenal suara (Voice Recognition Devices),

1.   Bar Code Reader

Ø   Barcode

Garis-garis hitam yang dibuat menurut kode tertentu.

Ø    Barcode scanner

Alat yang mampu membaca balok-balok bar code ke dalam bentuk alfanumerik.

•                      Bar Code Reader Scanner pertama kali digunakan pada tahun 1974 di supermarket Marsh di kotaTroy-Ohio , meskipun bar-code itu sendiri telh dipakai sejak 1966.

Bar code adalah pola garis-garis hitam putih yang umum dijumpai pada barang-barang yang dijual di toko-toko swalayan untuk mempercepat proses pemasukan data transaksi penjualan. Bar code ini dibaca dengan alat yang disebut bar code reader yang berupa semacam scanner fotoelektis yang dapat mengonversi data bar code menjadi sinyal digital.

Barcode Reader adalah alat yang digunakan untuk membaca kode barcode. Tanpa kita sadari bahwa setiap hari kita apat menemui barcode pada barang-barang yang kita gunakan sehari-hari. Seperti pada pasta gigi, sabun, pada makanan-makanan ringan,dll.

Barcode dibedakan menjadi 2 jenis barcode :

1. Barcode satu  dimensi

barcode 1 dimensi terdiri dari garis-garis yang berwarna putih dan hitam. warna putih untuk nilai 0 dan warna hitam untuk nilai 1.

2. Barcode dua dimensi

sedangkan barcode 2 dimensi sudah tidak berupa garis-garis lagi, akan tetapi seperti gambar. jadi informasi yang tersimpan didalamnya akan lebih besar.

untuk membuat kode barcode dari delphi kita dapat memanfaatkan rave report yang udah include pada delphi versi 7. kita dapat memilih type dari barcode yang akan kita buat. diantaranya barcode untuk produk ritail, buku perpustakaan, anggota berbeda-beda. Kode yang akan kita buat bisa bebas asalkan hanya digunakan pada sistem disuatu tempat seperti perpustakaan, akan tetapi untuk produk yang akan di edarkan dipasaran harus didaftarkan terlebih dahulu ke GS1 agar tidak sama dengan produk yang lain.

             Untuk menggunkan perangkat barcode pada aplikasi kita sangat mudah. Sistem kerja sebuah barcode reader hampir sama dengan inputan pada kayboard. jadi tidak diperlukan lagi driver atau komponent untuk menggunakan barcode reader pada delphi. kita tinggal hubungkan barcode ke PS2 kemudian komputer sudah menganggap barcode reader tersebut adalah kayboard. Perbedaan barcode reader dengan keyboard adalah barcode reader membaca sebuah kode barcode kemudian memasukan kode tersebut kedalam komputer dengan menambahkan karakter enter atau chr(13). Nah untuk itu kita tinggal memberikan event onkeypress pada Tedit yang akan kita gunakan sebagai input kode barcode.

2.        Pembaca Kartu Magnetik (MICR)

Digunakan untuk membaca karakter-karakter khusus MICR yang dicetak dengan tinta khusus. Tinta ini nantinya akan demagnetisasi oleh piranti MCIR, sehingga informasi magnetisnya dapat dibaca dan diterjemahkan menjadi sinyal digital. Penggunaanya biasanya pada cek bank dengan bagian bawah seringkali terdiri atas karakter dengan bentuk khusus yang berupa nomor cek, nomor pengurutan,dan nomor account pemiliknya.

3.        OCR

Sistem pengenalan huruf dan karakter optik adalah sistem yang digunakan dalam mengubah tulisan tangan ataupun naskah ketikan yang dipindai ke dalam bentuk teks sehingga bisa diedit dengan aplikasi komputer. Perangkat yang bisa menerjemahkan tanda, karakter dan kode khusus dengan teknologi ke dalam bentuk digital. Kode optik yang paling banyak digunakan di sistem POS (point-of-sale) di pasar swalayan atau toko-toko pengecer. Kode pada barcode mengandung informasi tentang kode produksi item, lokasi, tanggal pembuatan, dll.

OCR (Optical Character Recognition) adalah sebuah sistem komputer yang dapat membaca huruf, baik yang berasal dari sebuah pencetak (printer atau mesin ketik) maupun yang berasal dari tulisan tangan. Adanya sistem pengenal huruf ini akan meningkatkan fleksibilitas ataupun kemampuan dan kecerdasan sistem komputer. Dengan adanya sistem OCR maka user dapat lebih leluasa memasukkan data karena user tidak harus memakai papan ketik tetapi bisa menggunakan pena elektronik untuk menulis sebagaimana user menulis di kertas. Adanya OCR juga akan memudahkan penanganan pekerjaan yang memakai input tulisan seperti penyortiran surat di kantor pos, pemasukan data buku di perpustakaan, dll. Adanya sistem pengenal huruf yang cerdas akan sangat membantu usaha besar-besaran yang saat ini dilakukan banyak pihak yakni usaha digitalisasi informasi dan pengetahuan, misalnya dalam pembuatan koleksi pustaka digital, koleksi sastra kuno digital, dll.

OCR dapat dipandang sebagai bagian dari pengenal otomatis yang lebih luas yakni pengenal pola otomatis (automatic pattern recognition). Dalam pengenal pola otomatis, sistem pengenal pola mencoba mengenali apakah citra masukan yang diterima cocok dengan salah satu citra yang telah ditentukan. Sistem ini misalnya dipakai untuk mendeteksi sidik jari, tandatangan, bahkan wajah seseorang.

Ada banyak pendekatan yang dapat dipakai untuk mengembangkan pembuatan pengenal pola otomatis antara lain memakai pendekatan numerik, statistik, sintaktik, neural dan, aturan produksi (rule-based). Secara umum metode-metode tersebut dapat digolongkan menjadi dua kelompok metode yakni metode berbasis statistik dan metode berbasis struktur. Dalam metode yang berbasis statistik, setiap pola ditransformasi ke dalam vektor yang memakai ukuran dan karakteristik tertentu. Karakteristik ini seringkali lebih bersifat statistik misalnya distribusi pixel ataupun jarak pixel. Sedang dalam metode yang berbasis struktur, setiap pola yang diproses dinyatakan sebagai gabungan beberapa struktur elementer. Pengenalan selanjutnya dilakukan dengan mencocokkan komposisi struktur elementer dengan struktur yang sudah disimpan memakai aturan tertentu misalnya memakai pendekatan teori bahasa formal dan automata.

1. Data Capture

Data capture merupakan proses konversi suatu dokumen (hardcopy) menjadi suatu file gambar (BMP).

2. Preprpcessing

Preprocessing merupakan suatu proses untuk menghilangkan bagian-bagian yang tidak diperlukan pada gambar input untuk proses selanjutnya. Beberapa contoh preprocessing adalah noise filtering.

3. Segmentation

Segmentasi adalah proses memisahkan area pengamatan (region) pada tiap karakter yang akan dideteksi.

4. Normalization

Normalization adalah proses merubah dimensi region tiap karakter dan ketebalan karakter. Algoritma yang digunakan pada proses ini adalah algoritma scaling dan thinning.

5. Feature Extraction

Feature Extraction adalah proses untuk mengambil ciri-ciri tertentu dari karakter yang diamati.

6. Recognition

Recognition merupakan proses untuk mengenali karakter yang diamati dengan cara membandingkan ciri-ciri karakter yang diperoleh dengan ciri-ciri karakter yang ada pada database.

7. Postprocessing

Pada umumnya proses yang dilakukan pada tahap ini adalah proses koreksi ejaan sesuai dengan bahasa yang digunakan.

Melongok sejarah pengenalan karakter

Penelitian tentang pengenalan karakter secara optik (OCR) dimulai akhir tahun 1950. Sejak itulah teknologi OCR secara perlahan berkembang dan semakin baik. Sekitar tahun 1970-an dan awal 1980, software OCR memiliki kemampuan yang sangat terbatas: Mereka hanya dapat bekerja dengan tipe dan ukuran huruf (font) tertentu. Saat ini, OCR sudah jauh lebih cerdas, dan secara praktis mampu mengenali semua jenis huruf dan ukuran, bahkan pada citra dokumen yang buruk.

Satu teknik OCR yang paling awal disebut pembandingan matriks atau pola (pattern matching). Kebanyakan teks harus memakai font Times, Courier, atau Helvetica dengan ukuran antara 10 dan 14 point (1 point = 1/72 inci). Software OCR yang menggunakan metoda pembandingan matriks menyimpan semua karakter untuk setiap jenis dan ukuran font. Dengan membandingkan database bitmap ini program berusaha mengenali karakter satu per satu. Sistem ini hanya berhasil baik pada dokumen yang memakai font non-proporsional seperti Courier di mana jarak setiap hurufnya sama. Dokumen yang menggunakan banyak font berada jauh di luar kemampuannya.

Feature extraction (pemisahan ciri) adalah langkah berikutnya dalam perkembangan OCR. Metoda ini mengenali karakter dengan mengidentifikasi ciri-ciri umum setiap huruf. Sebagai contoh, huruf ‘a’ didefinisikan sebagai sebuah lingkaran, garis di tepi kanannya, dan kurva di bagian atas. Kurva di tengah atas ini tidak menjadi patokan mutlak, sehingga huruf ‘a’ tanpa lengkung di atasnya masih bisa dikenali dengan benar.

Dilihat dari segi perkembangan, metoda kedua ini selangkah lebih maju dibandingkan yang pertama, tetapi hasil akhirnya sangat terpengaruh oleh kualitas cetakan dokumen. Bercak hitam pada teks atau bahkan lipatan pada kertas dapat mempengaruhi akurasi pengenalan karakter.

Teknologi OCR dewasa ini jauh lebih canggih dibandingkan masa-masa awal-nya. Selain mencoba mengenali huruf satu per satu, pada teknik modern juga dilakukan pemeriksaan ejaan kata demi kata.

Teknologi yang dikembangkan oleh Caere ini disebut Predictive Optical Word Recognition (POWR). Digabungkan dengan analisa kontekstual, POWR hampir dapat menghilangkan masalah yang ditimbulkan oleh bercak-bercak kotor hasil scanning. POWR menggunakan algoritma matematik yang rumit, yang memungkinkan komputer melakukan interpretasi terbaiknya dalam mengenal huruf/kata.

Teknologi POWR menerapkan teknik jaringan syaraf (neural network) dan teknik prediktif dalam riset AI (Artificial Intelligence, kecerdasan buatan). Ini memungkinkan POWR untuk mengidentifikasi kata-kata seperti yang dilakukan manusia.

Dalam prakteknya, teknik POWR ini sangat meningkatkan ketepatan pengenalan kata pada berbagai jenis dokumen sumber: Koran sampai art-paper. Semua interpretasi yang mungkin diperoleh dengan menggabungkan faktafakta yang ditemukan dari informasi tingkat rendah (matriks) sampai petunjuk tingkat tinggi (kontekstual). Interpretasi yang paling besar kemungkinannya dipilih sebagai kesimpulan.

Teknik OCR

Pengenalan pola (matrix matching): Bila program menemukan huruf yang identik dalam referensi, karakter tersebut berhasil dikenali dan mendapat nilai tertentu.

Analisa ciri (feature recognition): Karakter yang harus dikenali diukur dan dibandingkan dengan nilai matematik-geometrik. Tidak tergantung jenis font, nilai tersebut sama untuk sebuah huruf.

Analisa sintaksis (language analysis): Rangkaian karakter diperiksa, apakah umum atau diperbolehkan dalam bahasa yang dipakai.

Fuzzy Logic: Proses penentuan yang tidak membutuhkan pemenuhan syarat dan aturan secara 100%. Ciri yang tidak jelas juga dipertimbangkan. Dengan teknik OCR ini berbagai hasil beberapa prosedur analisa dapat dikombinasikan. Ini meningkatkan kemungkinan pengenalan, juga dalam kasus yang sulit seperti pada cetakan yang tidak bersih.

Training: Bila pengguna mengoreksi huruf yang salah dikenali, koreksi tersebut disimpan sebagai “data latihan” dan dapat dimanfaatkan dalam pengenalan berikutnya.

4.                    Optical mark recognition

Antara Juni-Juli selalu menjadi bulan paling ”mendebarkan” bagi ABG dan orang tua. Seperti kita tahu setiap tahun ujian sekolah ataupun ujian masuk perguruan tinggi negeri yang biasa disingkat SPMB (seleksi penerimaan mahasiswa baru) selalu diadakan di bulan-bulan ini.

Kalau berbicara tentang ujian, ada beberapa yang langsung terpaku di pikiran, mulai dari yang agak berat seperti, bimbingan belajar, passing grade, pilihan jurusan, biaya, sampai hal-hal yang remeh, seperti pensil 2B, latihan mengisi lembar jawab komputer (LJK) dan lain-lain. Nah, terkait dengan pensil 2B dan lembar jawaban ujian, pikiran langsung tertuju pada LJK.

Bagi beberapa peserta ujian, mengisi LJK bisa jadi menjadi satu beban tersendiri. Kekhawatiran salah mengisi selalu menghantui langkah dan berakibat terbukanya pintu kegagalan masuk perguruan tinggi negeri, hanya gara-gara salah ”menghitamkan” LJK. Betulkah sebegitu gawat dan mencemaskan perkara LJK ini? Bagaimana sebenarnya komputer ”membaca” jawaban dari peserta? Benarkah kesalahan kecil, semacam kurang penuh mengisi bulatan jawaban akan berakhir fatal? Jawaban-jawaban atas pertanyaan yang menggelisahkan tersebut dapat kita kurangi kalau kita tahu bagaimana cara kerja OMR, si komputer pembaca LJK ini.

ADA istilah yang sering kali diucapkan para pelajar ketika baru selesai ujian, "Ah, sudahlah, pasrah aja. Soal jawaban itu mah terserah pak guru yang mengoreksi saja."

Memang betul. Di masa dulu-dulu, bapak dan ibu guru akan berjibaku berpeluh keringat mengoreksi jawaban para siswa. Momen koreksi ini adalah peristiwa penting, bahkan maha penting. Boleh dibilang nasib orang ditentukan. Maklum manusia, termasuk bapak dan ibu guru kita, mungkin pula mengalami kealpaan. Susahnya, kesalahan itu akan ditanggung siswa, bisa jadi ditanggung seumur hidup. Itulah sebabnya orang terus -menerus mengembangkan metode dan teknologi untuk menghindari kesalahan dalam tahap ujian seperti ini.

Banyak sekali model menghindari kesalahan dalam ujian. Dari sisi metode ujian, ada model soal jawaban ganda, jawaban benar-salah, jawaban uraian, dan lain-lain. Tujuannya? Selain untuk menguji kemampuan siswa, juga agar mudah saat memeriksa hasilnya.

Barangkali kita masih ingat kalau dulu (mungkin sekarang masih ada juga) para guru untuk mengoreksi menggunakan lembaran bolong. Lembaran ini sebetulnya adalah lembaran jawaban pilihan ganda yang sudah dilubangi dengan bara rokok atau obat nyamuk untuk masing-masing jawaban tiap nomor. Kemudian, tinggal kita taruh di atas lembaran jawaban yang telah disilangi siswa. Nah, jawaban yang benar akan terlihat dari lubang-lubang itu, tinggal dihitung jumlah jawaban yang benar.

Ketika teknologi bergerak maju pesat, bidang pendidikan pun tak ketinggalan tersentuh kemajuan alat bantu berbasis komputer. Termasuk pula untuk menyelenggarakan dan mengoreksi hasil ujian. Dari sinilah mulai awal dikenalnya OMR dan LJK. OMR adalah Optical Mark Reader atau dalam terjemahan mudah kita kenal sebagai mesin pembaca tanda berbasis optik. Pada saat ujian berlangsung, jawaban dari soal dituliskan pada LJK dengan cara menghitamkan bulatan huruf jawaban (A, B, C, D, atau E) pada masing-masing nomor menggunakan pensil 2B. Selanjutnya jawaban itu ”dibaca” OMR yang telah memiliki setting jawaban benar untuk setiap soal ujian. OMR bertindak seperti lembar bolong koreksi jawaban yang dilakukan guru.

Nilai hasil ujian ditentukan dari berapa banyak jawaban yang benar. Penentuan nilai tergantung dari perangkat lunak (software) yang dipasang pada komputer dan terhubung dengan OMR.

LEMBAR Jawab Komputer ada beberapa jenis. Ada yang berupa lembaran (form) pilihan ganda yang bentuknya bulat atau oval untuk setiap pilihan jawaban, jawaban berupa tanda cek (V), dan juga tanda silang (X). Pada form LJK tersebut sudah tercetak (preprinted) beberapa penanda standar, yaitu Skunk Marks dan Timing Mark. OMR akan membaca tanda-tanda tadi untuk membantu dalam pembacaan form LJK.

Data hasil pemindaian (scan) tiap lembar LJK akan diproses perangkat lunak dalam komputer, selanjutnya data bisa disimpan dalam file, basis data atau langsung diproses untuk sekadar ditampilkan di layar. Semua itu bergantung pada spesifikasi masing-masing perangkat lunak yang disesuaikan dengan kebutuhannya.

Semua siswa yang mengikuti ujian dengan LJK pasti tak lupa berkali-kali diingatkan untuk menggunakan pensil 2B untuk menghitamkan bulatan jawaban, pensil harus dengan sempurna mengisi bulatan, kemudian kertas jangan sampai kotor atau terlipat.

Apakah benar harus menggunakan pensil 2B? Penulis mencoba melakukan scanning form yang telah diisi dengan menggunakan pensil jenis HB dan juga tinta ballpoint sekadar ingin membuktikan kebenarannya. Ternyata isian dengan pensil HB dapat terbaca. Sedangkan isian dengan tinta ballpoint tidak terbaca tapi tidak menyebabkan error. Sebenarnya penggunaan pensil diinstruksikan agar peserta ujian mudah untuk mengganti jawaban, karena pensil mudah dihapus. Sementara ajuran penggunaan pensil 2B karena kualitas penghitamannya lebih tajam dibanding jenis lainnya.

Mengenai pengisian jawaban yang harus sempurna mengisi bulatan dan tidak boleh lebih dari bulatan, itu tidak sepenuhnya benar. Selama pensil tidak melebar ke area jawaban yang lain, jawaban akan tetap terbaca. Jika sampai melebar ke area jawaban yang lain, akan ada dua jawaban yang terbaca. OMR akan mengembalikan karakter * (asterik) sebagai hasilnya, yang berarti data tidak benar.

Berikutnya, syarat lain yang biasanya diinstruksikan kepada peserta ujian adalah form jawaban tidak boleh terlipat. Sebenarnya, ketakutan akan terlipatnya kertas tidak perlu dibesar-besarkan. Terlipat sedikit di ujung-ujung kertas bukanlah suatu masalah asal jangan sampai kotor dan berwarna gelap di area utama form yang akan di-scan, karena dikhawatirkan OMR akan menganggapnya sebagai jawaban. Tetapi jika kertas terlipat cukup parah dikhawatirkan akan tersangkut dan menyebabkan kemacetan pada perangkat OMR.

PEMROSESAN LJK dimulai dengan meletakkan setumpuk LJK pada input hopper dan tentunya OMR dinyalakan terlebih dahulu dengan menekan tombol power. Berikutnya sheet guide dirapatkan yang sesuai dengan ukuran lebar LJK, layaknya sheet guide pada alat cetak (printer) biasa.

Jika LJK tidak diatur menggunakan sheet guide dan posisinya tidak tepat, bisa jadi OMR mengalami kemacetan saat bekerja. Berikutnya lagi, status proses akan dimunculkan pada panel operator seperti layar telefon genggam. Untuk memulai proses pemindaian (scan), push button switches di sebelah kiri harus ditekan terlebih dahulu hingga muncul prompt ready.

Proses scan terjadi pada transport bed, kemudian LJK akan keluar dan tertumpuk pada output stacker. Sementara pada panel operator akan menampilkan status scan.

Peletakan LJK pun harus benar, tidak boleh terbalik yaitu timing marks harus pada sisi yang sama dengan panel operator. Proses dapat dihentikan dengan menekan push button switches di sebelah kanan. Di bagian sheet guide terdapat garis batas maksimum tumpukan LJK dalam satu kali proses koreksi. Biasanya tumpukan form tidak lebih dari 200 lembar, karena OMR bisa macet jika tumpukan berlebih.

Lantas bagaimana OMR membaca tanda hitam pensil? Perangkat ini tidak memerlukan kepintaran semacam pengenalan karakter (character recognition) pada perangkat OCR (Optical Character Recognition). Pada OMR, sinar infra merah yang diarahkan pada LJK tidak akan direfleksikan jika mengenai pilihan jawaban yang dihitamkan dengan pensil. Perangkat lunaklah yang berperan untuk mencocokkan posisi jawaban dengan informasi pada LJK.

Informasi jawaban apa saja yang akan diproses perangkat lunak, didefinisikan pada file definisi form. File ini mendefinisikan posisi kolom atau baris jawaban relatif terhadap skunk marks dan timing marks, tipe jawaban seperti angka numerik atau abjad, serta cara baca form yaitu horisontal atau vertikal.

Beberapa perangkat OMR yang beredar di pasaran sekarang telah meningkat kemampuannya. Sebagai contoh OMR 100M tipe visible red (sinar merah yang tampak dengan mata) dapat membaca isian berupa lubang-lubang pada kertas (punched) dan tinta ballpoint warna hitam atau biru dengan kecepatan 25-35 lembar/menit. OMR yang menggunakan port serial RS232 atau port USB sebagai port komunikasi dengan komputer ini dibandrol sekira Rp 30 juta-an di pasaran. Jenis lain dengan kemampuan lebih besar (lebih cepat) berharga tak kurang dari Rp 50 juta.

Lumayan mahal, namun karena sangat membantu, boleh dikata dana tak terlalu jadi masalah. Coba bayangkan untuk mengoreksi seluruh jawaban peserta SPMB yang berjumlah sekira 70.000 lembar jika dilakukan secara manual. Tentunya sangat besar potensi konflik akibat kesalahan manusia.

Penggunaan OMR tak hanya sebatas pada pengoreksi ujian tapi juga banyak hal seperti kuesioner, lotere, survei, jajak pendapat sampai dengan aplikasi medis seperti hasil pemeriksaan laboratorium.

Teknologi OMR ini semakin hari semakin maju. Yang menarik selain kemampuan pembacaannya yang kian meningkat, harga OMR pun makin turun. Sehingga tak heran kalau beberapa sekolah dan bimbingan belajar pun mampu untuk membeli. Tentu saja fasilitas ini makin mempermudah proses ujian dan ujicoba ujian di masing-masing institusi tersebut.

KESIMPULAN

Peralatan pemindaian (scanning devices) berfungsi untuk mengumpulkan data dan mengkonversinya ke dalam suatu bentuk yang dapat diproses oleh komputer.

· Alat input langsung, yaitu input yang dimasukkan langsung diproses oleh alat pemroses. Contohnya : keyboard, mouse dll.

· Alat input tidak langsung, yaitu melalui media tertentu sebelum suatu input diproses oleh alat pemroses peralatan entri data yang bukan papan tombol (keyboard). Peralatan entri langsung meliputi :peralatan pointing (Pointing Devices), peralatan pemindaian (Scanning Devices), kartu cerdas dan optik (Smart & Optical Cards), peralatan pengenal suara (Voice Recognition Devices)

REFERENSI

Architecture of the IBM System

First Draft of a Report on the EDVAC

www.wikipedia.org

www.pcmedia.co.id

The MIPS32® Instruction Set

Posted in: Computer