i Universitas Kristen Maranatha
Perancangan dan Realisasi Perangkat Pendeteksi Nilai Mata Uang Kertas Rupiah dengan Metode Histogram of Oriented Gradient dan Keabsahan dengan Metode
Histogram Interseksi Berbasis Raspberry Pi
Disusun Oleh: Citta Farenty (0922049)
Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jl. Prof.Drg.Suria Sumantri, MPH no. 65, Bandung, Indonesia
Email : cittafarenty@gmail.com
ABSTRAK
Pada Tugas Akhir ini dirancang dan direalisasikan perangkat pendeteksi nilai
mata uang kertas Rupiah dengan metoda histogram of oriented gradient dan pendeteksi keabsahan dengan metoda histogram interseksi menggunakan raspberry pi. Realisasi perangkat ini dibantu dengan library OpenCv untuk membantu mengolah citra. library
scikit-image, dan scikit-learn juga digunakan untuk membantu mengklasifikasi dengan
support vector machine.
Dari hasil perancangan, perangkat berhasil diaplikasikan dengan baik untuk mendeteksi keabsahan mata uang kertas rupiah beserta nominalnya dengan persentase
keberhasilan sebesar 92 %.
ii Universitas Kristen Maranatha
Design and Realization of Rupiah Currency Value Detector with Histogram of Oriented Gradient Method and Authenticity with Histogram Intersection Method
using Raspberry-Pi
Compiled By: Citta Farenty (1122059)
Major of Electrical Engineering, Faculty of Technique, Maranatha Christian University Jl. Prof.Drg.Suria Sumantri, MPH no. 65, Bandung, Indonesia
Email : cittafarenty@gmail.com
ABSTRACT
This final project used to designed and realized detector of rupiah currency value
with histogram of oriented gradient method and authenticity detector with histogram intersection using raspberry pi. Realization of this device assisted with OpenCV library to help processing image. Scikit-image and scikit-learn library also used to help classify
the currency value using support vector machine.
From the results of the design, the device successfully applied well to detect the
value of rupiah currency, and also detect its authenticity with the percent of success about 92%.
iv Universitas Kristen Maranatha
DAFTAR ISI
Halaman
ABSTRAK ... i
ABSTRACT ... ii
KATA PENGANTAR ...iii
DAFTAR ISI ... iv
DAFTAR TABEL ... vi
DAFTAR GAMBAR ... vii
BAB I PENDAHULUAN I.1 LATAR BELAKANG MASALAH ... 1
I.2 IDENTIFIKASI MASALAH ... 1
I.3 PERUMUSAN MASALAH ... 2
I.4 TUJUAN.. ... 2
I.5 BATASAN MASALAH ... 2
I.6 SISTEMATIKA PENULISAN ... 3
BAB II LANDASAN TEORI II.1 HISTOGRAM OF ORIENTED GRADIENT ... 5
II.2 SUPPORT VECTOR MACHINE ... 9
II.3 HISTOGRAM INTERSEKSI ... 12
II.4 DATASET MNIST ... 16
II.5 RASPBERRY PI ... 16
II.6 MODUL WEBCAM LOGITECH C270 ... 20
II.7 BAHASA PEMOGRAMAN PYTHON ... 21
II.8 OPENCV ... 27
II.9 LIBRARY PENDUKUNG ... 27
BAB III PERANCANGAN DAN REALISASI III.1 PERANCANGAN SISTEM ... 29
III.1.1 PERANCANGAN PERANGKAT ... 30
III.2 PERANCANGAN PERANGKAT KERAS ... 31
v Universitas Kristen Maranatha
III.3.1 DIAGRAM ALIR PERANGKAT LUNAK ... 33 BAB IV DATA PENGAMATAN DAN ANALISIS
IV.1 PENGUJIAN NILAI HISTOGRAM INTERSEKSI UNTUK DETEKSI KEABSAHAN ... 43 IV.2 PENGUJIAN PERANGKAT DALAM MENDETEKSI NILAI KEABSAHAN DAN NILAI MATA UANG KERTAS RUPIAH ... 46 IV.3 PENGUJIAN WAKTU TRAINING & WAKTU EKSEKUSI PERANGKAT ... 49 IV.4 PENGUJIAN PENGARUH INTENSITAS CAHAYA TERHADAP
KESTABILAN PERANGKAT ... 49 BAB V SIMPULAN DAN SARAN
V.1 SIMPULAN ... 51 V.2 SARAN…. ... 51
vi Universitas Kristen Maranatha
DAFTAR TABEL
Halaman Tabel 2.1 Spesifikasi Raspberry Pi Model A, Raspberry Pi Model B dan Raspberry Pi
Model B+ ... 18 Tabel 4.1 Pengujian Nilai Histogram Interseksi untuk Uang Asli ... 43 Tabel 4.2 Pengujian Nilai Histogram Interseksi untuk Uang Palsu ... 46 Tabel 4.3 Pengujian Perangkat Secara Keseluruhan Menggunakan Uang Kertas Rupiah
Asli ... 47 Tabel 4.4 Pengujian Perangkat Secara Keseluruhan Menggunakan Uang Kertas Rupiah
Palsu ... 48 Tabel 4.5 Waktu Eksekusi Perangkat dalam Mengolah Proses ... 49 Tabel 4.6 Pengujian Perangkat Secara Keseluruhan Menggunakan Uang Kertas Rupiah
vii Universitas Kristen Maranatha
DAFTAR GAMBAR
Halaman
Gambar 2.1 Algoritma Histogram of Oriented Gradient ... 5
Gambar 2.2 Cell yang Menyusun Sebuah block ... 6
Gambar 2.3 Cell yang Menyusun block Dapat Berupa Lingkaran atau Persegi ... 6
Gambar 2.4 Vektor Ciri HOG diambil dari tiap cell ... 7
Gambar 2.5 Contoh Algoritma Histogram of Oriented Gradient ... 8
Gambar 2.6 SVM ... 10
Gambar 2.7 Algoritma Histogram Interseksi ... 12
Gambar 2.8 Warna pada Setiap Piksel ... 13
Gambar 2.9 Grafik Warna Histogram ... 13
Gambar 2.10 Ukuran Berbeda Namun Distribusi Warna Sama ... 14
Gambar 2.11 Raspberry Pi Model A, Model B, dan Model B+ ... 17
Gambar 2.12 Urutan Pin-Pin GPIO pada Raspberry PI ... 20
Gambar 2.13 Webcam Logitech C270 ... 21
Gambar 2.14 Blok Diagram Proses Intrepreters ... 22
Gambar 2.15 Blok Diagram Proses Compilers ... 23
Gambar 2.16 Membuat Aplikasi Hello World dengan Interactive Mode ... 23
Gambar 2.17 Cara Mengakses IDLE Python ... 24
Gambar 2.18 Pembuatan Program di IDLE ... 24
Gambar 2.19 Membuat File coba.py Menggunakan Editor Nano ... 25
Gambar 2.20 Membuat Program Python di Editor Nano ... 26
Gambar 2.21 Hasil Eksekusi dari coba.py ... 26
Gambar 3.1 Diagram Blok Perangkat ... 29
Gambar 3.2 Desain Perangkat ... 30
Gambar 3.3 Realisasi Perangkat ... 31
Gambar 3.4 Wiring Diagram Modul LED Output ... 32
Gambar 3.5 Realisasi Modul LED Output... 32
Gambar 3.6 Diagram Alir Sistem ... 33
viii Universitas Kristen Maranatha
Gambar 3.8 Diagram Alir pada Subrutin Deteksi Keabsahan ... 35
Gambar 3.9 Proses Ekstraksi Fitur dan SVM Learning untu Deteksi Angka ... 37
Gambar 3.10 Diagram Alir pada Subrutin Deteksi Nominal ... 38
Gambar 3.11 Diagram Alir pada Subrutin Proses HOG ... 39
Gambar 3.12 Diagram Alir pada Subrutin Ekstraksi Dataset ... 40
Gambar 3.13 Diagram Alir pada Subrutin Training Dataset ... 41
Gambar 4.1 Sampel Uang Palsu yang Digunakan ... 45
Gambar 4.2 Tampilan Program Deteksi Keabsahan ... 47
1
Universitas Kristen Maranatha
BAB I PENDAHULUAN
I.1 Latar Belakang Masalah
Perkembangan ilmu pengetahuan dan teknologi yang pesat mendorong manusia untuk menciptakan alat alat yang dapat memudahkan pekerjaan manusia, salah satunya adalah alat untuk membaca nominal uang. Tentunya dengan adanya alat ini selanjutnya manusia dapat membuat alat – alat yang berhubungan dengan uang, misalnya mesin setor tunai otomatis yang pada saat ini banyak digunakan oleh beberapa bank.
Metode yang digunakan untuk mendeteksi nominal uang pada tugas akhir ini adalah Histogram of Oriented Gradient (HOG). Prinsip dari HOG adalah menghitung nilai gradien suatu image yang diwujudkan dalam bentuk garis vektor . Image dibagi menjadi beberapa daerah kecil yang disebut cell. kumpulan dari beberapa cell membentuk sebuah block. Masing-masing cell akan ditentukan besarnya nilai gradiennya. Secara keseluruhan akan dihasilkan suatu karakteritik image yang yang ditunjukkan oleh distribusi gradien image tersebut. Untuk pengklasifikasiannya, Feature HOG dilakukan learning dengan menggunakan Support Vector Machine (SVM) untuk menghasilkan sebuah model yang akan dipakai sebagai acuan untuk menentukan obyek yang dideteksi.
Pada tugas akhir ini dibahas mengenai perancangan dan realisasi alat pendeteksi nilai mata uang kertas rupiah menggunakan raspberry pi dengan metoda Histogram of
Oriented Gradient, sedangkan untuk pendeteksi keabsahan menggunakan metoda
Histogram Interseksi.
I.2 Identifikasi Masalah
2 BAB I PENDAHULUAN
Universitas Kristen Maranatha Histogram of Oriented Gradient serta pendeteksi nilai keabsahan uang kertas rupiah
dengan metoda Histogram Interseksi menggunakan Raspberi Pi sebagai pengolah citra.
I.3 Perumusan Masalah
Perumusan masalah dalam tugas akhir ini adalah :
1. Bagaimana cara merancang dan merealisasikan perangkat perangkat pendeteksi nilai mata uang kertas Rupiah dengan metoda Histogram of
Oriented Gradient dan pendeteksi nilai keabsahan uang kertas Rupiah
dengan metoda Histogram Interseksi menggunakan Raspberi Pi sebagai pengolah citra?
2. Bagaimana cara membedakan nominal mata uang kertas rupiah menggunakan perangkat yang dibuat?
3. Bagaimana cara menentukan nilai keabsahan mata uang kertas rupiah menggunakan perangkat yang dibuat?
I.4 Tujuan
Tujuan yang ingin dicapai dalam tugas akhir ini adalah :
1. Merancang dan merealisasikan perangkat perangkat pendeteksi nilai mata uang kertas Rupiah dengan metoda Histogram of Oriented Gradient dan pendeteksi nilai keabsahan uang kertas Rupiah dengan metoda Histogram Interseksi menggunakan Raspberi Pi sebagai pengolah citra.
2. Dapat membedakan nominal mata uang kertas rupiah menggunakan perangkat yang dibuat.
3. Dapat menentukan nilai keabsahan mata uang kertas rupiah menggunakan perangkat yang dibuat.
I.5 Batasan Masalah
3 BAB I PENDAHULUAN
Universitas Kristen Maranatha
2. Pendeteksian nilai mata uang kertas Rupiah menggunakan metoda
Histogram of Oriented Gradient.
3. Pendeteksian nilai keabsahan mata uang kertas Rupiah menggunakan metoda Histogram Interseksi.
4. Uang kertas yang diteliti merupakan mata uang Rupiah yang berlaku saat ini, yaitu pecahan:
- Rp1000,00 - Rp2000,00 - Rp5000,00 - Rp10.000,00 - Rp20.000,00 - Rp50.000,00 - Rp100.000,00
5. Uang kertas yang diteliti harus memiliki fisik yang baik.
6. Uang kertas yang dapat dideteksi hanya bagian depan saja (satu sisi). 7. Parameter yang ditinjau untuk membedakan nominal satu dengan yang
lainnya, adalah angka nominal yang tertera pada uang kertas.
8. Parameter yang ditinjau untuk menentukan nilai keabsahan uang kertas adalah gambar air yang ada pada uang kertas. ( Gambar air dapat dilihat menggunakan sinar Ultra Violet)
9. Program yang digunakan menggunakan bahasa python.
I.6 Sistematika Penulisan
Sistematika penulisan untuk Tugas Akhir ini adalah sebagai berikut :
BAB I PENDAHULUAN
Bab ini berisikan tentang latar belakang masalah,identifikasi masalah, perumusan masalah, tujuan, pembatasan masalah, dan sistematika penulisan laporan tugas akhir.
4 BAB I PENDAHULUAN
Universitas Kristen Maranatha
Pada bab ini dijelaskan teori-teori penunjang yang diperlukan dalam merealisasikan perangkat perangkat pendeteksi nilai mata uang kertas Rupiah dengan metoda Histogram of Oriented Gradient dan pendeteksi nilai keabsahan uang kertas Rupiah dengan metoda Histogram Interseksi berbasis Raspberry Pi, yaitu teori tentang single board computer Raspberry Pi, OpenCV image
processing tool, serta teori dasar pengolahan citra menggunakan Histogram Of
Oriented Gradient dan Histogram Interseksi.
BAB III PERANCANGAN DAN REALISASI
Pada bab ini dijelaskan tentang perancangan dan realisasi sistem kerja perangkat pendeteksi nilai mata uang kertas Rupiah dengan metoda Histogram of Oriented
Gradient dan pendeteksi nilai keabsahan uang kertas Rupiah dengan metoda
Histogram Interseksi berbasis Raspberry Pi, serta algoritma pemrograman.
BAB IV DATA PENGAMATAN DAN ANALISIS
Pada bab ini ditampilkan data-data hasil pengamatan nilai histogram interseksi untuk membedakan nilai keabsahan uang kertas rupiah pada perangkat, pengujian perangkat dalam mendeteksi nilai mata uang kertas Rupiah, serta kestabilan perangkat.
BAB V SIMPULAN DAN SARAN
51
Universitas Kristen Maranatha
BAB V
SIMPULAN DAN SARAN
Bab ini berisi Kesimpulan dari Tugas Akhir ini, serta saran-saran yang perlu dilakukan untuk pengembangan dan perbaikan di masa mendatang.
V.1 Simpulan
Dengan memperhatikan data pengamatan dan analisis yang telah dilakukan, dapat disimpulkan bahwa:
1. Perangkat berhasil mendeteksi keabsahan dan nominal dari uang kertas rupiah dengan persentase sebesar 92%.
2. Uang dianggap asli jika memiliki kemiripan histogram interseksi dengan dataset >=0.75
3. Perangkat belum dapat berfungsi dengan baik jika intensitas cahaya lingkungan berubah-ubah.
V.2 Saran
Saran-saran yang diberikan untuk perbaikan dan pengembangan dari perangkat pendeteksi nilai mata uang kertas rupiah dengan metoda histogram of oriented gradient dan pendeteksi keabsahan dengan metoda histogram interseksi dengan menggunakan Raspberry Pi adalah sebagai berikut :
1. Untuk mengatasi kelemahan perangkat yang belum berfungsi dengan baik jika intensitas cahaya lingkungan berubah-ubah, perangkat dapat dibuat dalam kotak tertutup yang intensitas cahayanya tetap.
52
Universitas Kristen Maranatha
1
CURRICULUM VITAE
Nama : Citta Farenty
Tempat, tanggal lahir : Batam, 4 Agustus 1994
Jenis kelamin : Perempuan
Alamat : Baloi Mas Indah Kavling No. 06
Kel.Baloi Indah, Kec.Lubuk Baja
Batam, 29462
No. telepon : +62778 423181 / +62821 15050504
Email : cittafarenty@gmail.com
Pendidikan Formal
2011 - 2015 : Universitas Kristen Maranatha, Bandung.
Fakultas Teknik, Jurusan Teknik Elektro, IPK 3.51
2008 - 2011 : SMAN 3 Batam. Jurusan IPA
2005 - 2008 : SMPN 6 Batam
1999 - 2005 : SDS Al-Azhar Batam
Pendidikan Informal
2011 : Training PLC (Programmable Logic Controler) Twido Schneider
Bandung
2014 : Pelatihan Kapita Selekta Jurusan Teknik Elektro Bandung.
2014 : Pelatihan ARM CortexTM-M4
2 Pengalaman Organisasi
2014 : Himpunan Mahasiswa Teknik Elektro Divisi Publikasi & Dokumentasi
2013 : Panitia Kontes Robot Maranatha Divisi Sekretariat
2014 : Panitia Indonesia Robotic Festival Divisi Acara
Pengalaman Teknis
2012 : Peserta Perlombaan PLC Siemens Nasional
Kemampuan Teknis :
Bahasa Pemrograman
C, C++, VB, Linux, Python, Matlab, PLC.
Software
MS Office, MS Visio, Adobe Photoshop, Adobe Ilustrator.
Hardware
Merakit dan Installasi Komputer, Jaringan Sederhana, Desain Sistem Kontrol dengan
1
PERANCANGAN DAN REALISASI PERANGKAT PENDETEKSI NILAI MATA UANG
KERTAS RUPIAH DENGAN METODE HISTOGRAM OF ORIENTED GRADIENT DAN
KEABSAHAN DENGAN METODE HISTOGRAM INTERSEKSI BERBASIS RASPBERRY
PI
Oleh :
Citta Farenty
Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha
Abstrak–Pada Tugas Akhir ini dirancang dan direalisasikan perangkat pendeteksi nilai mata uang kertas Rupiah dengan metoda histogram of oriented gradient dan pendeteksi keabsahan dengan metoda histogram interseksi menggunakan raspberry pi. Realisasi perangkat ini dibantu dengan library OpenCv untuk membantu mengolah citra. library scikit-image, dan scikit-learn juga digunakan untuk membantu mengklasifikasi dengan support vector machine. Dari hasil perancangan, perangkat berhasil diaplikasikan dengan baik untuk mendeteksi keabsahan mata uang kertas rupiah beserta nominalnya dengan persentase keberhasilan sebesar 92 %.
Kata Kunci : Raspberry Pi, Histogram of Oriented Gradient, Histogram Interseksi, OpenCV, Image, Scikit-Learn, Support Vector Machine.
Abstract - This final project used to designed and realized detector of rupiah currency value with histogram of oriented
gradient method and authenticity detector with histogram intersection using raspberry pi. Realization of this device assisted with OpenCV library to help processing image. Scikit-image and scikit-learn library also used to help classify the currency value using support vector machine. From the results of the design, the device successfully applied well to detect the value of rupiah currency, and also detect its authenticity with the percent of success about 92%.
Keywords: Raspberry Pi, Histogram of Oriented Gradient, Histogram Intersection, OpenCV, Scikit-Image, Scikit-Learn,
Support Vector Machine.
1. Pendahuluan
Perkembangan ilmu pengetahuan dan teknologi yang pesat mendorong manusia untuk menciptakan alat alat yang dapat memudahkan pekerjaan manusia, salah satunya adalah alat untuk membaca nominal uang. Tentunya dengan adanya alat ini selanjutnya manusia dapat membuat alat – alat yang berhubungan dengan uang, misalnya mesin setor tunai otomatis yang pada saat ini banyak digunakan oleh beberapa bank.
Metode yang digunakan untuk mendeteksi nominal uang pada tugas akhir ini adalah Histogram of
Oriented Gradient (HOG). Prinsip dari HOG adalah
menghitung nilai gradien suatu image yang diwujudkan dalam bentuk garis vektor . Image dibagi menjadi beberapa daerah kecil yang disebut cell. kumpulan dari beberapa cell membentuk sebuah block. Masing-masing cell akan ditentukan besarnya nilai gradiennya. Secara keseluruhan akan dihasilkan suatu karakteritik image yang yang ditunjukkan oleh distribusi gradien image tersebut. Untuk pengklasifikasiannya, Feature HOG dilakukan
learning dengan menggunakan Support Vector Machine
(SVM) untuk menghasilkan sebuah model yang akan
dipakai sebagai acuan untuk menentukan obyek yang dideteksi.
Pada tugas akhir ini dibahas mengenai perancangan dan realisasi alat pendeteksi nilai mata uang kertas rupiah menggunakan raspberry pi dengan metoda
Histogram of Oriented Gradient, sedangkan untuk
pendeteksi keabsahan menggunakan metoda Histogram Interseksi.
2. Perancangan Sistem
Perancangan sistem pendeteksi nilai mata uang kertas rupiah dan keabsahannya terdiri dari sistem perangkat lunak yang berfungsi untuk identifikasi nilai mata uang kertas rupiah dengan metode Histogram of
Oriented Gradient (HOG), serta pendeteksi nilai
2
Gambar 1 Blok Diagram Sistem Pendeteksi Nilai Mata Uang Kertas Rupiah & Keabsahan
prinsip kerja dari sistem adalah sebagai berikut : Raspberry Pi akan mengontrol kamera untuk mengambil gambar berupa uang kertas rupiah. Gambar yang telah diambil kemudian disimpan dan dites keabsahannya, apabila gambar dideteksi sebagai uang asli, maka selanjutnya sistem akan mengidentifikasi nilai mata uang tersebut, selanjutnya hasil dari identifikasi akan ditampilkan pada Display LED.
2.1 Perancangan Perangkat
Perancangan perangkat pendeteksi nilai mata uang kertas rupiah dengan metode histogram of oriented
gradient dan pendeteksi keabsahan dengan metode
histogram interseksi, terdiri dari sebuah template yang dipasang kamera dan lampu UV dengan posisi yang tetap.
Template berfungsi sebagai tempat untuk meletakkan uang
kertas rupiah yang akan dideteksi, dengan adanya
template, maka kamera akan mengambil gambar yang
tetap, sesuai dengan daerah pengenalan yang telah ditentukan. Perancangan perangkat ini dapat dilihat pada Gambar 2.
Gambar 2 Desain Perangkat
2.2 Perancangan Perangkat Keras
Pengendali yang digunakan pada sistem ini adalah Single Board Computer Raspberry Pi. Alasan digunakannya Raspberry Pi ini karena Raspberry Pi dapat diprogram untuk mengolah gambar yang diperlukan untuk pembuatan sistem pendeteksi nilai mata uang kertas rupiah dengan metode histogram of oriented gradient dan pendeteksi keabsahan dengan metode histogram interseksi. Perangkat keras yang direalisasikan adalah perangkat keras berupa modul LED Output.
Setelah perancangan modul LED output dibuat, selanjutnya dibuat wiring diagram untuk menghubungkan
modul LED output dan raspberry pi. Perancangan wiring diagram dapat dilihat pada gambar 3.
Gambar 3 Wiring Diagram Modul LED Output
Pada gambar 3 di atas, Raspberry Pi dihubungkan dengan modul LED output. Raspberry Pi akan mengolah proses untuk mendeteksi nominal dan keabsahan, setelah diproses selanjutnya hasil akan ditampilkan pada LED.
2.3 Perancangan Perangkat Lunak
Perangkat lunak yang dipakai pada Raspberry Pi menggunakan bahasa pemograman python yang juga dibantu oleh library dari OpenCV, Library dari OpenCV digunakan untuk membantu bahasa pemrograman python dalam mengolah gambar yang diambil oleh kamera agar dapat membuat perangkat pendeteksi nilai mata uang kertas rupiah dengan metode histogram of oriented
gradient dan pendeteksi keabsahan dengan metode
histogram interseksi. Selain itu juga digunakan Library Scikit-Image dan Scikit-Learn.
3 Gambar 4 Diagram Alir Sistem
Dari gambar 4 dapat dijelaskan, proses sistem dimulai dengan mengambil gambar (capture) dari kamera webcam, setelah gambar diambil, maka gambar tersebut akan diproses ke subrutin deteksi keabsahan, jika gambar terdeteksi sebagai uang palsu maka proses akan berhenti dan tidak dilanjutkan. Tetapi jika gambar terdeteksi sebagai uang asli maka proses akan berlanjut ke subrutin deteksi nominal. Gambar akan diproses untuk ditentukan nilai nominalnya, hasil nominal yang terbaca selanjutnya akan ditampilkan pada Display LED.
Gambar 5 menunjukkan diagram alir pada subrutin deteksi keabsahan. Gambar yang diambil dari
webcam akan diproses untuk penetuan keabsahan. Tahap
pertama dari proses ini adalah menghitung nilai histogram gambar, setelah didapat histogram dari gambar maka selanjutnya nilai histogram yang didapat dari gambar yang diambil dari webcam akan dibandingkan dengan nilai histogram database. Jika gambar yang dicapture memiliki histogram interseksi lebih besar dari 0.75 maka gambar tersebut dideteksi sebagai uang asli, selanjutnya LED Asli pada modul output akan menyala dan proses dilanjutkan ke subrutin deteksi nominal. Tetapi jika nilai histogram interseksi lebih kecil dari 0.75 maka gambar tersebut dideteksi sebagai uang palsu, selanjutnya buzzer akan menyala dan proses akan berhenti sampai disini.
Gambar 5 Subrutin Deteksi Keabsahan
Pada Gambar 6, Proses deteksi nominal dimulai dengan Load SVM Model terlebih dahulu, kemudian proses selanjutnya adalah membaca gambar yang
di-capture, gambar tersebut akan melalui proses yang disebut
pre-processing, pada proses ini gambar akan dilakukan proses crop sesuai daerah pengenalannya dan di threshold.
Setelah gambar melalui pre-processing, gambar diproses HOG (subrutin HOG), selanjutnya akan dicari
edge (tepi) dari gambar tersebut, dan juga menghitung
4 Gambar 6 Subrutin Deteksi Nominal
3. Hasil dan Pembahasan
3.1 Realisasi Perangkat
Gambar 7 Realisasi Perangkat
Realisasi perangkat secara keseluruhan dapat dilihat pada gambar 7, realisasi perangkat terdiri dari template, kamera webcam Logitech dan lampu UV.
3.2 Realisasi Perangkat Keras
Realisasi modul LED output dapat dilihat pada gambar 8
Gambar 8 Realisasi Modul LED Output
3.3 Realisasi Program .
Gambar 9 Tampilan Program Deteksi Keabsahan
3.4 Pengujian dan Analisa
Untuk pengujian sistem secara keseluruhan dalam mendeteksi keabsahan dan nilai mata uang kertas Rupiah, diambil sampel sebanyak 20 sampel uang asli. Hasil pengujiannya dapat dilihat dalam tabel 1 berikut :
Tabel 1 Pengujian Perangkat Secara Keseluruhan
Menggunakan Uang Kertas Rupiah Asli Dengan Intensitas
Cahaya 90 lux.
Dari pengujian yang dilakukan dengan data pada tabel 1, dapat disimpulkan bahwa sistem secara keseluruhan memilki persentase keberhasilan sebesar 92 %.
Untuk pengujian sistem secara keseluruhan terhadap uang palsu, diambil 5 buah sampel uang palsu, hasil dari pengujian dapat dilihat dalam tabel 2 berikut:
Tabel 2 Pengujian Perangkat Secara Menggunakan Uang Kertas Rupiah Palsu
Dari data yang ada pada tabel 2 dapat disimpulkan bahwa pengujian perangkat dalam mendeteksi uang palsu memiliki persentase keberhasilan sebesar 100%.
Pembuatan dan pengujian perangkat sebelumnya dilakukan pada ruangan dengan cahaya 90 lux. Pengujian perangkat juga dilakukan di tempat yang intensitas cahayanya berbeda, yaitu pada ruangan dengan intensitas cahaya sebesar 120 lux. Untuk pengujian,diambil lima buah sampel masing masing nominal uang rupiah asli.
Tabel 3 Pengujian Perangkat Secara Keseluruhan Menggunakan Uang Kertas Rupiah Asli dengan Intensitas
Cahaya 120 lux.
Dari tabel 3, pengujian perangkat pada ruangan dengan intensitas yang berbeda (120 lux), persentase keberhasilan perangkat ini turun menjadi 2%. Hal ini dikarenakan algoritma histogram sangat peka terhadap cahaya. Jadi, jika perangkat ingin digunakan pada tempat dengan intensitas cahaya yang berbeda dari tempat pembuatan database, perangkat perlu dikalibrasi ulang, dengan cara membuat database gambar yang diambil pada tempat dengan intensitas cahaya yang diinginkan.
4. Simpulan
Dengan memperhatikan data pengamatan dan analisis yang telah dilakukan, dapat disimpulkan bahwa:
- Perangkat berhasil mendeteksi keabsahan dan nominal dari uang kertas rupiah dengan persentase sebesar 92%.
- Uang dianggap asli jika memiliki kemiripan histogram interseksi dengan dataset >=0.75 - Perangkat belum dapat berfungsi dengan baik
jika intensitas cahaya lingkungan berubah-ubah.
Daftar Pustaka
[1] B. Boser, I. Guyon, and V. Vapnik, An training
algorithm for optimal margin classifiers, Fifth
Annual Workshop on Computational Learning Theory, 1992.
[2] http://en.wikipedia.org/wiki/Scikit-image (diakses pada tanggal 20 April 2015)
[3] http://en.wikipedia.org/wiki/Scikit-learn (diakses pada tanggal 20 April 2015)
[4] http://www.keytosmart.com/raspberry-pi-b-gpio-details-pinout/ (diakses pada tanggal 30 April 2015)
[5] http://www.logitech.com/en-us/product/hd-webcam-c270 (diakses tanggal 18 Februari 2015)
[6] http://www.raspberrypi.org, diakses tanggal (18 Februari 2015)
[7] Library OpenCV, (http://docs.opencv.org, diakses tanggal 18 Februari 2014)
[8] Maji, Subhransu. Malik, Jitendra. 2009. Fast
and Accurate Digit Classification. Elsevier Inc. [9] Mordvintsev, Alexander & Abid K.(2014)
OpenCV-Python Tutorial Documentation
[10] Navneet Dalal and Bill Triggs, Histograms of
Oriented Gradients for Human Detection,
6 [11] Nixon, M.S., Aguado, A.S. 2012. Feature
Extraction & Image Processing for Computer Vision. United Kingdom. Elsevier Ltd.
[12] Raspberry Pi Basic Training : Innovative Electronics
[13] Raspberry PI,
(http://en.wikipedia.org/wiki/Raspberry_Pi, diakses tanggal 18 Februari 2015)
[14] Richadson, Matt & Shawn Wallace.(2012)
Getting Started with Raspberry Pi
[15] Shapiro, Linda G. and Stockman, George C. "Computer Vision" Prentice Hall, 2003 [16] THE MNIST DATABASE of handwritten
digits. http://yann.lecun.com/exdb/mnist/ (diakses pada 16 April 2015)
[17] The OpenCV Reference Manual
Docs.opencv.org/opencv2refman.pdf (diakses tanggal 20 April 2015)
Profil tim penulis :
Citta Farenty adalah mahasiswa Teknik Elektro-
Universitas Kristen Maranatha
DAFTAR PUSTAKA
1. B. Boser, I. Guyon, and V. Vapnik, An training algorithm for optimal margin
classifiers, Fifth Annual Workshop on Computational Learning Theory, 1992.
2. http://en.wikipedia.org/wiki/Scikit-image (diakses pada tanggal 20 April 2015)
3. http://en.wikipedia.org/wiki/Scikit-learn (diakses pada tanggal 20 April 2015) 4. http://www.keytosmart.com/raspberry-pi-b-gpio-details-pinout/ (diakses pada
tanggal 30 April 2015)
5. http://www.logitech.com/en-us/product/hd-webcam-c270 (diakses tanggal 18
Februari 2015)
6. http://www.raspberrypi.org, diakses tanggal (18 Februari 2015)
7. Library OpenCV, (http://docs.opencv.org, diakses tanggal 18 Februari 2014) 8. Maji, Subhransu. Malik, Jitendra. 2009. Fast and Accurate Digit
Classification. Elsevier Inc.
9. Mordvintsev, Alexander & Abid K.(2014) OpenCV-Python Tutorial
Documentation
10.Navneet Dalal and Bill Triggs, Histograms of Oriented Gradients for Human
Detection, INRIA Rhˆ one-Alps, 655 avenue de l'Europe, Montbonnot 38334, France, 2005.
11.Nixon, M.S., Aguado, A.S. 2012. Feature Extraction & Image Processing for
Computer Vision. United Kingdom. Elsevier Ltd.
12.Raspberry Pi Basic Training : Innovative Electronics
13.Raspberry PI, (http://en.wikipedia.org/wiki/Raspberry_Pi, diakses tanggal 18
Februari 2015)
14.Richadson, Matt & Shawn Wallace.(2012) Getting Started with Raspberry Pi 15.Shapiro, Linda G. and Stockman, George C. "Computer Vision" Prentice Hall,
2003
16.THE MNIST DATABASE of handwritten digits.
Universitas Kristen Maranatha
17.The OpenCV Reference Manual
