Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Abdi Cendekia: Jurnal Pengabdian Masyarakat
Chairul Azhari
Universitas Asahan
Religion Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Astronomy Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Public Health Social Sciences Transportation Veterinary Other

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Perancangan Sistem Otomatisasi Penilaian Ujian Pilihan Ganda pada Lembar Soal Non-Standar Berbasis Computer Vision dan Deep Learning Chairul Azhari; Nursyafika Nursyafika; Ema Febia
Abdi Cendekia : Jurnal Pengabdian Masyarakat Vol 5 No 2 (2026): Juni
Publisher : Yayasan Zia Salsabila

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61253/abdicendekia.v5i2.974

Abstract

Penilaian ujian pilihan ganda pada lembar soal non-standar masih banyak dilakukan secara manual sehingga memerlukan waktu yang cukup lama dan berpotensi menimbulkan kesalahan. Berbeda dengan sistem Optical Mark Recognition (OMR) yang memerlukan lembar jawaban khusus, format non-standar memiliki tata letak yang lebih fleksibel namun lebih sulit diproses secara otomatis. Penelitian ini bertujuan merancang sistem otomatisasi penilaian ujian berbasis computer vision dan deep learning untuk mendeteksi tanda jawaban siswa pada lembar soal non-standar. Rancangan sistem memanfaatkan OpenCV untuk proses pra-pemrosesan citra dan menggunakan arsitektur MobileNet-SSD untuk mendeteksi objek berupa tanda silang dan lingkaran. Pemodelan sistem dilakukan menggunakan UML serta flowchart untuk menggambarkan alur kerja sistem. Hasil penelitian berupa rancangan arsitektur sistem dan antarmuka pengguna yang dapat digunakan sebagai dasar pengembangan aplikasi penilaian otomatis pada penelitian selanjutnya.
Co-Authors Ema Febia Nursyafika Nursyafika