ABSTRAK
Peredaran uang palsu dari tahun ke tahun terus mengalami peningkatan. Peningkatan ini dikarena mudahnya mendapatkan informasi cara membuat uang palsu di internet serta ditunjang dengan perkembangan teknologi yang ada. Salah satu alat bantu yang paling banyak dipakai untuk membedakan uang palsu dengan uang asli adalah dengan memanfaatkan sinar ultraviolet. Tetapi hal ini masih memiliki permasalahan, karena tidak semua masyarakat Indonesia mempunyai alat tersebut selain harganya yang relatif mahal, ketidak praktisan alat ini juga menjadi salah satu penyebabnya.
DAFTAR ISI
ABSTRAK... i
DAFTAR ISI...ii
DAFTAR GAMBAR...iv
DAFTAR TABEL...v
BAB I PENDAHULUAN...1
1.1 Latar Belakang...1
1.2 Rumusan Masalah...1
a. Identifikasi Masalah...1
b. Batasan Masalah...2
c. Rumusan Masalah...2
1.3 TUJUAN DAN MANFAAT PENELITIAN...2
a. Tujuan Penelitian...2
b. Manfaat Penelitian...2
1.4 Sistematika Penulisan...3
1.5 Daftar Istilah...3
a. Android...4
b. Client-Server...4
BAB II LANDASAN PEMIKIRAN...5
2.1 TINJAUAN PUSTAKA...5
a. Citra Digital...5
b. Format Citra Digital...9
c. Pengolahan Citra...14
d. Operasi Pengolahan Citra...15
e. Deteksi Tepi...17
2.2 Tinjauan Studi...25
2.3 Tinjauan Objek Penelitian...29
2.4 Kerangka Pemikiran...29
2.5 Hipotesis...30
3.1 ...Metode Penelitian
... 31
3.2 ...Pemilihan sampel ... 31
3.3 ...Metode Pengumpulan Data ... 31
a. Studi Literatur...31
b. Observasi Lapangan...32
3.4 ...Langkah-langkah Penelitian ... 32
3.5 ...Jadwal Penelitian ... 34
BAB IV PENUTUP...36
4.1 Kesimpulan...36
DAFTAR GAMBAR
Gambar 2.3 citra grayscale (abu-abu)...8
Gambar 2.4 Citra Berwarna...9
Gambar 2.5 warna bitmap...10
Gambar 2.6 Gambar PNG...13
Gambar 2.7 (kiri) gambar asli, (kanan) gambar hasil smoothing...21
Gambar 2.8 (Kiri)Gambar yang diperhalus, (kanan) Magnitude Gradien...22
Gambar 2.9 Ilustrasi Penghapusan Non-Maksimum...23
Gambar 2.10 (kiri) Hasil gradient, (kanan) setelah penghapusan Non-Maksimum ... 23
Gambar 2.11 (kiri) setelah penghapusan Non-Maximum, (kanan) Thresholding ganda... 24
Gambar 2.12 (Kiri)Thresholding Ganda, (tengah) Edge Tracking by hysteresis, (kanan)Hasil Akhir...25
Gambar 2.13 Kerangka Pemikiran...30
Gambar 3.1 Langkah-langkah Penelitian...32
DAFTAR TABEL
BAB I PENDAHULUAN
1.1 Latar Belakang
Kemajuan teknologi telah berkembang dengan pesat. Terlebih lagi teknologi dibidang informatika. Seiring dengan kemajuan ini, kejahatan yang menggunakan teknologi juga berkembang. Salah satu kejahatan yang memanfaatkan kemajuan teknologi adalah pembuatan uang palsu. Peredaran uang palsu dari tahun ke tahun terus mengalami peningkatan. Peningkatan ini dikarena mudahnya mendapatkan informasi cara membuat uang palsu di internet serta ditunjang dengan perkembangan teknologi yang ada.
Salah satu teknik yang dapat digunakan oleh masyarakat umum untuk membedakan uang palsu dengan uang asli berdasarkan sosialisasi yang dilakukan oleh pemerintah adalah dengan 3D (Dilihat, Diraba, Diterawang) melihat ada tidaknya benang pengaman, meraba warna dan tekstur pada kertas, serta menerawang ada tidaknya tanda air. Namun teknik tersebut masih saja dapat mengelabui mata awam seseorang, Maka diciptakanlah alat untuk mendeteksi uang palsu, salah satu alat bantu yang paling banyak dipakai adalah dengan memanfaatkan sinar ultraviolet. Tetapi tetap saja hal ini masih memiliki permasalahan, karena tidak semua masyarakat Indonesia mempunyai alat tersebut selain harganya yang relatif mahal, ketidak praktisan alat ini juga menjadi salah satu penyebabnya.
Untuk itu, perlu adanya suatu teknologi yang dapat membantu masyarakat pada umumnya untuk mengetahui dan membedakan uang palsu tersebut. Yaitu dengan memanfaatkan smartphone berbasis android serta teknologi client-server dimana gambar uang yang diambil dari kamera smartphone tersebut akan dikirim ke server dan diproses. Dalam proses membedakan uang asli dengan uang palsu, metode yang digunakan adalah deteksi tepi dengan operator canny.
a Identifikasi Masalah
Keterbatasan kemampuan mata pada seseorang dalam membedakan uang asli dengan uang palsu menjadi penyebab peredaran uang palsu merajalela. Meskipun sudah banyak alat yang dapat digunakan untuk mengidentifikasi uang palsu, namun karena ketidak praktisan dalam penggunaannya, menyebabkan masih kurang efektif dalam menekan peredaran uang palsu.
b Batasan Masalah
Kamera smartphone digunakan untuk mengambil gambar uang, merubah ukuran gambar dan mengupload gambar ke server. Sedangkan proses pendekteksian uang palsu atau asli dilakukan di server. Sample uang yang digunakan adalah uang kertas (Rp.100000 , Rp 50000). Metode yang digunakan dalam membedakan uang asli atau uang palsu menggunakan deteksi tepi dengan operator canny.
c Rumusan Masalah
Berdasarkan uraian di atas, maka rumusan masalah yang dapat diambil adalah “Apakah metode – metode pengolahan citra yang digunakan dapat membedakan uang palsu dengan uang asli?”. 1.3 TUJUAN DAN MANFAAT PENELITIAN
a Tujuan Penelitian
Dengan semakin banyaknya penggunaan smartphone terutama smartphone berbasis android maka penelitian ini bertujuan untuk membantu masyarakat mendeteksi dan atau membedakan uang palsu dengan mudah, akurat dan cepat menggunakan perangkat smartphone yang mereka miliki.
b Manfaat Penelitian
juga dapat dijadikan bahan untuk penelitian lebih lanjut dibidang yang berkaitan.
Dengan penyesuaian tertentu, metode yang digunakan mungkin dapat juga dimanfaatkan untuk sistem deteksi objek secara umum yang tidak hanya terbatas pada uang, misalnya deteksi kendaraan, pejalan kaki, bahan produksi, dan sebagainya.
Dari hasil penelitian ini juga diharapkan dapat diperoleh pemahaman yang lebih baik terhadap jaringan syaraf tiruan, dan pengaruh berbagai parameter yang digunakan terhadap unjuk kerja pengklasifikasi jaringan syaraf tiruan.
1.4 Sistematika Penulisan
Sistematika penulisan tesis ini terformat sebagai berikut: BAB I : Pendahuluan
Dalam bab ini dijelaskan mengenai pokok permasalahan secara umum, yang meliputi latar belakang, identifikasi dari permasalahan yang ada, batasan masalah, tujuan dan manfaat penelitian dari penelitian serta menjelaskan sistematika penulisan penelitian.
BAB II : Landasan Pemikiran
Dalam bab ini dijelaskan bahwa landasan teori atau pemikiran yang digunakan untuk melakukan penelitian, termasuk tinjauan pustaka, kerangka konsep deteksi tepi, format gambar, serta objek penelitian yang ada hubungan dengan uang palsu. BAB III : Metodologi Penelitian
Pada bab ini dijelaskan tentang kesimpulan yang didapatkan setelah perancangan dan uji coba model testing.
1.5 Daftar Istilah a Android
Androidadalah sistem operasi berbasis Linux yang dirancang untuk perangkat seluler layar sentuh seperti telepon pintar dan komputer tablet. Android awalnya dikembangkan oleh Android, Inc., dengan dukungan finansial dari Google, yang kemudian membelinya pada tahun 2005.Sistem operasi ini dirilis secara resmi pada tahun 2007, bersamaan dengan didirikannya Open Handset Alliance, konsorsium dari perusahaan-perusahaan perangkat keras, perangkat lunak, dan telekomunikasi yang bertujuan untuk memajukan standar terbuka perangkat seluler.Ponsel Android pertama mulai dijual pada bulan Oktober 2008
b Client-Server
BAB II
LANDASAN PEMIKIRAN
2.1 TINJAUAN PUSTAKA a. Citra Digital
Citra digital merupakan gambar dua dimensi yang dapat diolah dengan komputer. Sebuah citra digital adalah sebuah matriks yang terdiri dari M kolom N baris, dimana perpotongan antara kolom dan baris disebut piksel. Piksel merupakan elemen terkecil dari sebuah citra. Piksel memiliki 2 parameter yaitu kordinat dan intensitas/warna.
Secara matematis citra digital dapat dituliskan sebagai fungsi intensitas f (x,y), dimana x adalah baris dan y adalah kolom, merupakan koordinat posisi dan f(x,y) adalah nilai fungsi pada setiap titik (x,y) yang menyatakan besar intensitas citra atau tingkat keabuan atau warna dari piksel di titik tersebut.
Citra dari suatu sistem perekaman dapat bersifat :
optik yaitu berupa foto
analog yaitu berupa sinyal video seperti gambar pada monitor televisi
digital yaitu berupa file yang dapat langsung disimpan dalam media penyimpanan.
Sebuah citra dirubah ke dalam bentuk digital agar dapat disimpan dalam memori komputer sebagai suatu file dalam format tertentu. Format citra dapat menunjukan cara sebuah citra digital disimpan, misalnya apakah dengan suatu kompresi atau tidak. Contoh format citra digital adalah .bmp, .jpg, .png, .tif dan sebagainya. Ukuran citra digital dinyatakan dalam piksel.
1) Citra Bipmap / Citra raster adalah citra digital yang dibentuk oleh kumpulan piksel dalam array dua dimensi.
2) Grafik Vektor adalah citra yang dibentuk oleh fungsi-fungsi geometri dan matematika.
Citra digital dihasilkan dari citra analog melalui digitalisasi, digitalisasi citra analog terdiri atas penerokan (sampling) dan kuantisasi (quantization). Penerokan adalah pembagian citra ke dalam elemen elemen diskrit (piksel), sedangkan kuantisasi adalah pemberian nilai intensitas warna pada setiap piksel dengan nilai yang berupa bilangan bulat.
Banyaknya nilai yang dapat digunakan dalam kuantisasi citra bergantung kepada kedalaman piksel, yaitu banyaknya bit yang digunakan untuk merepresentasikan intensitas warna piksel. Kedalaman piksel sering disebut juga kedalaman warna. Citra digital yang memiliki kedalaman piksel n bit disebut juga citra n-bit. Berdasarkan warna-warna penyusunnya, citra digital dapat dibagi menjadi tiga macam (Marvin Chandra Wijaya,2007) yaitu:
I. Citra Biner
Citra biner yaitu citra yang hanya terdiri atas dua warna, yaitu hitam danputih. Oleh karena itu, setiap piksel pada citra biner cukup direpresentasikandengan 1 bit.
Gambar 2.2 representasi citra biner
Meskipun saat ini citra berwarna lebih disukai karena memberi kesan yang lebih kaya dari citra biner, namun tidak membuat citra biner mati. Pada beberapa aplikasi citra biner masih tetap di butuhkan, misalkan citra logo instansi ( yang hanya terdiri dari warna hitam dan putih), citra kode barang (bar code) yang tertera pada label barang, citra hasil pemindaian dokumen teks, dan sebagainya. Seperti yang sudah disebutkan diatas, citra biner hanya mempunyai dua nilai derajat keabuan : hitam dan putih. Piksel – piksel objek bernilai 1 dan piksel – piksel latar belakang bernilai 0. pada waktu menampilkan gambar, adalah putih dan 1 adalah hitam. Jadi pada citra biner, latar belakang berwarna putih sedangkan objek berwarna hitam seperti tampak pada gambar 2.1 diatas. Meskipun komputer saat ini dapat memproses citra hitam-putih (grayscale) maupun citra berwarna, namun citra biner masih tetap di pertahankan keberadaannya.
Alasan penggunaan citra biner adalah karena citra biner memiliki sejumlah keuntungan sebagai berikut:
a. Kebutuhan memori kecil karena nilai derajat keabuan hanya membutuhkan representasi 1 bit.
II. Citra grayscale
Citra grayscale yaitu citra yang nilai piksel-nya merepresentasikan derajat keabuan atau intensitas warna putih. Nilai intensitas paling rendah merepresentasikan warna hitam dan nilai intensitas paling tinggi merepresentasikan warna putih. Pada umumnya citra grayscale memiliki kedalaman piksel 8 bit (256 derajat keabuan), tetapi ada juga citra grayscale yang kedalaman piksel-nya bukan 8 bit, misalnya 16 bit untuk penggunaan yang memerlukan ketelitian tinggi.
Gambar 2.3 citra grayscale (abu-abu)
Citra grayscale merupakan citra satu kanal, dimana citra f(x,y) merupakan fungsi tingkat keabuan dari hitam keputih, x menyatakan variable kolom atau posisi piksel di garis jelajah dan y menyatakan variable kolom atau posisi piksel di garis jelajah. Intensitas f dari gambar hitam putih pada titik (x,y) disebut derajat keabuan (grey level), yang dalam hal ini derajat keabuannya bergerak dari hitam keputih. Derajat keabuan memiliki rentang nilai dari Imin sampai Imax, atau Imin < f < Imax, selang (Imin, Imax) disebut skala keabuan.
dari 0 sampai 255 atau [0,255], yang dalam hal ini intensitas 0 menyatakan hitam, intensitas 255 menyataka putih, dan nilai antara 0 sampai 255 menyatakan warna keabuan yang terletak antara hitam dan putih.
III. Citra berwarna
Citra berwarna yaitu citra yang nilai piksel-nya merepresentasikan warna tertentu Banyaknya warna yang mungkin digunakan bergantung kepadakedalaman piksel citra yang bersangkutan. Citra berwarna direpresentasikandalam beberapa kanal (channel) yang menyatakan komponen-komponen warna penyusunnya. Banyaknya kanal yang digunakan bergantung pada model warna yang digunakan pada citra tersebut.
Gambar 2.4 Citra Berwarna
Intensitas suatu pada titik pada citra berwarna merupakan kombinasi dari tiga intensitas : derajat keabuan merah (fmerah(x,y)), hijau fhijau(x,y) dan biru (fbiru(x,y)). Persepsi visual citra berwarna umumnya lebih kaya di bandingkan dengan citra hitam putih. Citra berwarna
menampilkan objek seperti warna aslinya ( meskipun tidak selalu tepat demikian ). Warna-warna yang diterima oleh mata manusia merupakan hasil kombinasi cahaya dengan panjang gelombang berbeda.
Citra digital dapat disimpan dalam berbagai macam format. Beberapa format citra digital dapat memanfaatkan metode kompresi dalam penyimpanan data citra. Kompresi yang dilakukan dapat bersifat lossy maupun lossless, bergantung kepada jenis format yang digunakan. Kompresi yang bersifat lossy menyebabkanpenurunan kualitas citra, meskipun dalam beberapa kasus penurunan kualitas tersebut tidak dapat dikenali oleh mata manusia. Beberapa format citra digital yang banyak ditemui adalah BMP, JPEG, GIF, PNG, dan lain-lain.
I. Bitmap
Kriteria yang paling penting dari citra ini adalah kedalaman warna yaitu berapa banyak bit per piksel yang didefinisikan dari sebuah warna (Rinaldi Munir, 2005). Bitmap dengan mengikuti kriteria tadi maka dapat dilihat:
1. 8 bit = 256 warna (256 gray scales). 2. 24 bit = 16.777.216 warna
Gambar 2.5 warna bitmap
1. 8 bit = 256 warna : 8 : 1
2. 24 bit = 16.777.216 warna : 8 : 1
Perbandingan tersebut diperoleh dari penentuan LSB dalam suatu byte, untuk citra 8 bit letak LSB adalah pada bit terakhir sedangkan untuk citra 24 bit letak LSB adalah pada bit ke-8, bit ke-16 dan bit ke 24 dimana masing-masing byte mewakili warna merah (red), warna hijau (green) dan warna biru (blue).
Manipulasi pada bitmap tidak dapat dikonvert atau diubah ke dalam bentuk format grafik yang lain karena data tersembunyi dalam file tersebut akan hilang. Format menggunakan metode komperesi yang lain (seperti JPEG) tidak di gunakan dalam skripsi ini. Mengurangi ukuran dari carrier file sangatlah penting untuk melakukan transmisi online, yaitu dengan menggunakan utilitas kompresi (seperti : ARZ, LZH, PKZIP, WinZip), dikarenakan kerja mereka tidak terlalu berat.
II. GIF
Graphic Interchange Format (GIF, dibaca jiff ,tetapi kebanyakan orang menyebutnya dengan giff ) yang dibuat oleh Compuserve pada tahun 1987 untuk menyimpan berbagai gambar dengan format bitmap menjadi sebuah file yang mudah untuk diubah pada jaringan koputer. GIF adalah file format graphic yang paling tua pada Web, dan begitu dekatnya file format ini dengan web pad saat itu sehingga para Browser menggunakan format ini.
File GIF dapat disimpan dalam dua jalan yaitu secara berurutan (Dari atas ke bawah) dan pembagian dengan baris ( 8 baris, 4 baris dan 2 baris). Pembagian baris pada gambar dengan resolusi gambar yang rendah dengan cepat dimana secara gradual datangnya untuk menjadikan lebih focus , dengan expense dari penambahan kapasitas file.
1. GIF87a: support dengan interlacing dan kapasitas dari beberapa file. Teknik itu dinamakan GIF87 karena pada tahun 1987 standar ini ditemukan dan dijadikan standar.
2. GIF89a: adalah kelanjutan dari spesifikasi GIF87a dan penambahan pada transparency, pemberian tulisan dan animasi dari text dan grafik.
III. PNG
PNG (Portable Network Graphics) adalah salah satu format penyimpanan citra yang menggunakan metode pemadatan yang tidak menghilangkan bagian dari citra tersebut. Format PNG ini diperkenalkan untuk menggantikan format penyimpanan citra GIF. Secara umum PNG dipakai untuk Citra Web.
Untuk Web, format PNG mempunyai 3 keuntungan dibandingkan format GIF:
1. Channel Alpha (transparansi)
2. Gamma (pengaturan terang-gelapnya citra en:"brightness") 3. Penayangan citra secara progresif (progressive display)
Selain itu, citra dengan format PNG mempunyai faktor kompresi yang lebih baik dibandingkan dengan GIF sekitar 5%-25%. Satu fasilitas dari GIF yang tidak terdapat pada PNG format adalah dukungan terhadap penyimpanan multi-citra untuk keperluan animasi.
Untuk keperluan pengolahan citra, meskipun format PNG bisa dijadikan alternatif selama proses pengolahan citra - karena format ini selain tidak menghilangkan bagian dari citra yang sedang diolah (sehingga penyimpanan berulang ulang dari citra tidak akan menurunkan kualitas citra) namun format JPEG masih menjadi pilihan yang lebih baik.
PNG diciptakan untuk menggantikan keberadaan GIF karena masalah lisensi. Format PNG lebih baik daripada GIF. Masalahnya ada pada kurangnya dukungan yang dimampukan oleh web browser. Format ini dibuat sebagai alternatif lain dari format GIF. Format ini digunakan untuk menyimpan berkas dengan kedalaman 24 bit serta memiliki kemampuan untuk menghasilkan background transparan dengan pinggiran yang halus.
Format PNG menggunakan metode kompresi lossless untuk menampilkan gambar 24-bit atau warna-warna solid pada media daring (online). Format ini mendukung transparansi di dalam alpha channel. Format PNG sangat baik digunakan pada dokumen daring (online), dan mempunyai dukungan warna yang lebih baik saat dicetak daripada format GIF. Akan tetapi pada warna PNG akan di-place pada dokumen InDesign sebagai gambar bitmap RGB, sehingga hanya dapat dicetak sebagai gambar komposit bukan pada gambar separasi.
Secara garis besar, format PNG mempunyai fitur sebagai berikut : 1. Sebagai pengganti format GIF dan TIFF.
2. Format terbuka atau open, efisien, gratis, dan kompresi jenis lossless.
3. Tiga mode warna], yaiut : paletted (8 bit), greyscale (16 bit), truecolour (hinga 48 bit)
4. Dukungan terhadap profile colour, gamma, dan metadata.
5. Mempunyai fitur transparansi serta dukungan penuh terhadap alpha channel.
Gambar 2.6 Gambar PNG
IV. JPEG
Joint Photograpic Experts (JPEG , dibaca jay-peg) di rancang untuk kompresi beberapa full-color atau gray-scale dari suatu gambar yang asli, seperti pemandangan asli di dunia ini. JPEGs bekerja dengan baik pada continous tone images seperi photographs tetapi tidak terlalu bagus pada ketajaman gambar dan seni pewarnaan seperti penulisan, kartun yang sederhana atau gambar yang mengunakan banyak garis. JPEG sudah mendukung untuk 24-bit color depth atau sama dengan 16,7 juta warna (224 = 16.777.216 warna), progressive JPEGs (p- JPEGs) adalah tipe dari beberapa persen lebih kecil dibandingkan baseline JPEGs: Tetapi keuntungan dari JPEG dan tipe-tipenya telihat pada langkah-langkahnya sama seperti interlaced GIFs.
JPEG adalah algoritma kompresi secara lossy. JPEG bekerja dengan merubah gambar spasial dan merepresentasikan kedalam pemetaan frekueunsi. Discrete Cosine Transform (DCT) dengan memisahkan antara informasi frekuensi yang rendah dan tinggi dari sebuah gambar. Informasi frekuensi yang tinggi akan diseleksi untuk dihilangkan yang terikat pada pengaturan kualitas yang digunakan. Kompresi dengan tingkatan yang lebih baik, tingkatan yang lebih baik dari informasi yang dihilangkan. Waktu Kompresi dan dekompresi dilaksanakan dengan simetris. JPEG Group’s (IJG) decoder lebih ditingkatkan kemampuannya dibandingkan dengan encodernya. Manakala, ketika diperlihatkan 8 bits, mengurangi kuantisasi warna yang lambat. Banyak para penjual JPEG menawarkan untuk mempercepat hasil dari JPEG, kuantisasi warna dan kualitas dengan mengimplementasikan IJG.
JPEG pada jaringan sebenarnya adalah JFIF (JPEG File Interchange Format).
c. Pengolahan Citra
Pengolahan Citra merupakan proses pengolahan dan analisis citra yang banyak melibatkan persepsi visual. Proses ini mempunyai ciri data masukan dan informasi keluaran yang berbentuk citra. Istilah pengolahan citra digital secara umum didefnisikan sebagai pemrosesan citra dua dimensi dengan komputer. Dalam definisi yang lebih luas, pengolahan citra digital juga mencakup semua data dua dimensi.
Meskipun sebuah citra kaya informasi, namun seringkali citra yang kita miliki mengalami penurunan intensitas mutu, misalnya mengandung cacat atau derau (noise), warnanya terlalu kontras atau kabur tentu citra seperti ini akan sulit direpresentasikan sehingga informasi yang ada menjadi berkurang. Agar citra yang mengalami ganguan mudah direpresentasikan maka citra tersebut perlu dimanipulasi menjadi citra lain yang kualitasnya lebih baik. Pengolahan citra adalah pemrosesan citra khususnya dengan menggunakan komputer menjadi citra yang lebih baik. Umumnya operasi-operasi pengolahan citra diterapkan pada citra apabila:
1) Perbaikan atau memodifikasi citra perlu dilakukan untuk meningkatkan kualitas penampakan atau untuk menonjolkan beberapa aspek informasi yang terkandung di dalam citra.
2) Elemen didalam citra perlu dikelompokkan, dicocokkan dan diukur. 3) Sebagian citra perlu digabung dengan bagian citra yang lain. d. Operasi Pengolahan Citra
1) Peningkatan Kualitas Citra (Image Enhancement) Contoh-contoh operasi perbaikan citra:
a. Perbaikan kontras gelap/terang
b. Perbaikan tepian objek (Edge Enhancement) c. Penajaman (Sharpening)
2) Pemulihan Citra (Image Restoration)
Pemulihan Citra atau restorasi citra adalah proses penghilangan atau pengurangan degradasi pada citra yang terjadi karena proses akuisisi citra. Degradasi yang dimaksud adalah derau atau efek optis misalnya kabur (blur) akibat kamera yang tidak fokus atau karena gerakan kamera. Teknik restorasi citra meliputi operasi ketetanggaan dan juga penggunaan proses-proses pada domain frekuensi. Restorasi citra juga bertujuan menghilangkan atau meminimalkan cacat pada citra. Contoh-contoh operasi restorasi citra[11] [21]:
a. Penghilangan kesamaran (Deblurring) b. Penghilangan derau (Noise)
3) Segmentasi citra
Jenis operasi ini bertujuan untuk memecah suatu citra ke dalam beberapa segmen dengan suatu kriteria tertentu. Jenis operasi ini berkaitan erat dengan pengenalan pola.
melingkupi citra tersebut, atau sekumpulan kontur yang diekstrak dari citra (pada deteksi tepi). Tiap piksel dalam suatu wilayah mempunyai kesamaan karakteristik atau properti yang dapat dihitung (computed property), seperti: warna (color), intensitas (intensity), dan tekstur (texture).
4) Analisis citra (Image Analysis)
Contoh-contoh operasi Analisis citra : a. Pendeteksian tepi (edge detection)
b. Ekstraksi batas (boundary) c. Representasi batas (region)
e. Deteksi Tepi
Edge adalah operasi yang dijalankan untuk mendeteksi garis tepi (edges) atau boundary untuk segmentasi, registrasi, dan identifikasi objek yang merupakan beberapa bagian dari citra dimana intensitas kecerahan berubah secara drastis.
ada beberapa macam metode yang dapat digunakan untuk proses deteksi tepi, diantaranya adalah metode Robert, metode Prewitt, metode Sobel dan lainnya.
1) Operator Roberts
Roberts Operator merupakan variasi dari rumus Gradient Operator dengan arah orientasi sebesar 45 derajat dan 135 derajat pada bidang citra. Ini berarti gradient dihitung dengan memanfaatkan titik yang berada pada arah orientasi 45 derajat dan 135 derajat yaitu : f(x+1,y+1) dan f(x-1,y+1) Selain itu operator ini merupakan penjabaran dari teknik diferensial pada arah horisontal dan diferensial pada arah vertikal dengan menambahkan proses konversi biner dengan meratakan distribusi warna hitam dan warna putih. Kernel filter yang digunakan dalam metode Robert ini adalah
2) Operator Prewitt
membangkitkan HPF. Kernel fillter yang digunakan dalam metode Prewitt ini adalah:
3) Operator Sobel
Satu cara untuk menghindari gradien yang dihitung pada titik interpolasi dari piksel-piksel yang terlibat adalah dengan menggunakan jendela 3x3 untuk perhitungan gradien, sehingga perkiraan gradien berada tepat di tengah jendela. Operator Sobel adalah operator yang paling banyak digunakan sebagai pelacak tepi karena kesederhanaan dan keampuhannya.
Selain itu metode Sobel merupakan pengembangan metode Robert dengan menggunakan filter HPF yang diberi satu angka nol penyangga. Metode ini mengambil prinsip dari fungsi laplacian dan gaussian yang dikenal sebagai fungsi untuk membangkitkan HPF. Kelebihan dari metode sobel ini adalah kemampuan untuk mengurangi noise sebelum melakukan perhitungan deteksi tepi. Kernel filter yang digunakan dalam metode Sobel ini adalah:
4) Operator canny
cukup lama, namun metode tersebut telah menjadi metode deteksi tepi standar dan masih dipakai dalam penelitan.
Ada beberapa kategori algoritma yang dikembangkan oleh John F. Canny, yaitu sebagai berikut:
a. Mendeteksi dengan baik (kriteria deteksi) Kemampuan untuk meletakkan dan menandai semua tepi yang ada sesuai dengan pemilihan parameter-parameter konvolusi yang dilakukan. Sekaligus juga memberikan fleksibilitas yang sangat tinggi dalam hal menentukan tingkat deteksi ketebalan tepi sesuai yang diinginkan.
b. Melokalisasi dengan baik (kriteria lokalisasi) Dengan Canny dimungkinkan dihasilkan jarak yang minimum antara tepi yang dideteksi dengan tepi yang asli.
c. Respon yang jelas (kriteria respon) Hanya ada satu respon untuk tiap tepi. Sehingga mudah dideteksi dan tidak menimbulkan kerancuan pada pengolahan citra selanjutnya.
Dengan rumusan kategori tersebut, maka canny edge detector optimal untuk kelas tepian tertentu(dikenal sebagai step edge).
Algoritma canny berjalan dalam 5 langkah yang terpisah, antara lain:
1. Smoothing
Mengaburkan gambar untuk menghilangkan noise. 2. Finding Gradien
Penandaan tepian harus ditandai pada gambar yang memiliki gradien yang besar.
Hanya gradient maksimum yang harus ditandai sebagai edge. 4. Double thresholding
Tepian yang berpotensi ditentukan oleh thresholding.
5. Edge tracking by hysteresis
Tepian final ditentukan dengan menekan semua sisi yang tidak terhubung dengan tepian yang sangat kuat.
1. Smoothing
Tidak dapat dipungkiri bahwa semua gambar yang diambil dari kamera akan berisi sejumlah noise. Untuk mencegah salah dideteksi sebagai tepian noise harus dikurangi (smoothing). Oleh karena itu pada langkah pertama gambar harus diperhalus dengan menggunakan Gaussian filter. Berikut ini adalah salah satu contoh filter Gaussian dengan
σ
=
1,4
,B=
1
1 15
[
2
4
5
4
2
4
9
12
9
4
5 12 15 12 5
4
9
12
9
4
2
4
5
4
2
]
Gambar 2.7 – (kiri) gambar asli, (kanan) gambar hasil smoothing
2. Finding Gradient
Algoritma Canny pada dasarnya menemukan titik tepi pada gambar grayscale dengan melihat perubahan nilai intensitas yang paling besar, dimana daerah tersebut ditemukan dengan Phytagoras. Yang terkadang disederhanakan dengan menerapkan ukuran jarak Manhattan.
G
=
√
G
2X+
G
Y2G
=
G
X
+
G
YDimana:
diperlukan suatu persamaan untuk menentukan tepian yang sebenarnya.
θ
=
arctan
(
G
XG
Y)
Gambar 2.8 – (Kiri)Gambar yang diperhalus, (kanan) Magnitude Gradien
3. Non-Maximum suppression
Pada langkah ketiga bertujuan untuk mengkorversikan tepian yang masih blurred pada gambar hasil magnitude gradien hingga menhasilkan tepian yang tajam. Pada dasarnya hal ini dilakukan dengan mempertahankan semua maxima lokal dalam gambar gradien dan menghapus segala sesuatu yang lain. Algoritma adalah untuk setiap piksel pada gambar gradien adalah sebagai berikut:
a. Putar arah gradien θ ke arah 45ْ terdekat, kemudian hubungkan dengan 8 titik tetangga yang terhubung dengannya.
b. Bandingkan nilai piksel tepian saat ini dengan nilai piksel tepian dalam arah positif dan negative gradien. Jika arah gradien adalah utara (θ =90 ◦), bandingkan dengan piksel ke utara dan selatan.
Sebuah contoh sederhana dari penghapusan non maksimum ditunjukkan pada Gambar 4. Hampir semua piksel yang memiliki arah gradien yang menunjukkan arah utara, oleh karena itu mereka dibandingkan dengan piksel atas dan bawah. Piksel yang berubah menjadi maksimal dalam perbandingan ini ditandai dengan warna putih pada perbatasan, sisanya dihapus.
Gambar 2.9 – Ilustrasi Penghapusan Non-Maksimum
Gambar 2.10 – (kiri) Hasil gradient, (kanan) setelah penghapusan Non-Maksimum
4. Double Thresholding
(ambang batas) sehingga hanya tepian dengan nilai yang kuar yang akan dipertahankan. Disini pada algoritma Canny menggunakan sistem thresholding ganda dimana tepian dengan nilai yang lebih besar dari threshold atas ditandai sebagai titik kuat, tepian dengan nilai yang lebih kecil dari threshold bawah akan dihapus, dan tepian dengan nilai piksel antara threshold atas dengan threshold bawah akan ditandai sebagai tepian yang lemah. Hasil pada contoh gambar menggunakan threshold 20 dan 80.
Gambar 2.11 – (kiri) setelah penghapusan Non-Maximum, (kanan) Thresholding ganda
5. Edge Tracking by hysteresis
Gambar 2.12 – (Kiri)Thresholding Ganda, (tengah) Edge Tracking by hysteresis, (kanan)Hasil Akhir 2.2 Tinjauan Studi
Berikut adalah ringkasan dari beberapa penelitian sebelumnya yang berkaitan dengan deteksi uang palsu serta deteksi tepi dengan operator canny:
1. Dalam penelitian yang dilakukan oleh Rajmi Nema, dikatakan bahwa deteksi tepi adalah alat fundamental, yang umum digunakan dalam banyak aplikasi pengolahan citra untuk memperoleh informasi dari gambar. Deteksi tepi secara signifikan mengurangi jumlah data dan menyaring informasi yang tidak berguna, tapi tetap menjaga sifat struktural penting dalam sebuah gambar. Karena itu sangat penting untuk memiliki pemahaman yang baik tentang metode deteksi tepi. Dalam penelitian ini penulis mempelajari teknik deteksi tepi yang paling umum digunakan yaitu Canny, Sobel, Prewitt, dan robert serta membandingkan kinerja masing-masing teknik. Dari hasil percobaan menggunakan bantuan MATLAB R2010a menunjukkan bahwa algoritma deteksi tepi dengan Canny lebih berat dibandingkan dengan Sobel, Prewitt, dan Robert. Namun, Canny dapat melakukan deteksi tepi lebih baik daripada operator lain. ([NEMA 2013], 1)
melalui mesin otomatis telah menjadi lebih dan lebih penting. Uang palsu adalah masalah hampir setiap negara, tetapi India telah terpukul sangat keras dan telah menjadi masalah yang sangat akut. Karena itu muncul kebutuhan untuk merancang suatu sistem yang dapat membantu dalam pengenalan mata uang kertas dengan cepat. Sistem yang diusulkan ini menjelaskan pendekatan untuk verifikasi uang kertas mata uang India. Mata uang akan diverifikasi dengan menggunakan teknik pengolahan citra. Pendekatan ini terdiri dari sejumlah komponen termasuk pengolahan citra, deteksi tepi, segmentasi citra, ekstraksi ciri, dan membandingkan gambar. Teknik ini menggunakan empat karakteristik mata uang kertas, termasuk tanda identifikasi, benang pengaman, gambar laten dan watermark. Sistem ini akan mengekstrak fitur tersembunyi yaitu gambar laten dan watermark mata uang kertas. Solusi yang diusulkan adalah upaya untuk menunjukkan pendekatan untuk ekstraksi karakteristik mata uang kertas India. Pendekatan yang disarankan dari awal akuisisi gambar untuk mengubahnya menjadi gambar skala abu-abu sampai segmentasi kata. Penelitian ini akan sangat berguna untuk meminimalkan peredaran uang palsu. ([MIRZA 2012], 2)
yang merupakan bagian dari alat pendeteksi uang palsu, kemudian sistem akan mendeteksi pemalsuan serta memverifikasi nilai uang kertas. Efektivitas solusi yang diajukan telah diuji secara nyata benar pada dataset uang kertas Euro asli dan palsu yang disediakan oleh bank sentral Italia. ([BRUNA 2013], 3)
4. Penelitian yang dilakukan oleh Yeffry Handoko Putra, menjelaskan saat ini pengujian keaslian dari uang kertas menggunakan alat ultraviolet sudah umum digunakan. Keakurasian alat ini sudah cukup memadai, tentunya dengan dibantu oleh keahlian dari manusia yang menjadi pengamatnya. Kesulitan akan terjadi jika pengecekan keaslian dilakukan pada jumlah lembar uang yang banyak karena akan membutuhkan waktu yang cukup lama. Pada penelitian ini akan dibuat suatu metoda alternatif yang menguji keaslian uang baru dengan memanfaatkan scanner gambar biasa dengan anggapan bahwa setiap uang baru yang asli memiliki kriteria khas yang harus terpenuhi yaitu ketajaman dan kualitas dalam hasil cetak, yang akan dideteksi melalui teknik penelusuran pola mempergunakan pernrosesan citra dan jaringan syaraf tiruan. Kriteria khas yang dipilih berupa cetakan nilai uang dan pola ukiran. Penelitian ini dilakukan pada uang rupiah baru (Rp 20.000) dua puluh ribu dan memberikan hasil uji 90% untuk 10 data yang terdiri dari 6 uang asli dan 4 uang palsu. ([YEFFRY 2003], 4)
Tabel 2.1 Tinjauan Studi
Berdasarkan tinjauan studi diatas, maka perbedaan penelitian ini dengan penelitian sebelumnya yaitu terletak pada metode penelitian yang digunakan baik dari algoritma yang digunakan maupun teknik pengambilan data.
2.3 Tinjauan Objek Penelitian
Pada penelitian tesis ini obyek penelitian yang akan menjadi fokus bagi penulis adalah gambar uang yang diambil dengan menggunakan kamera pada smartphone untuk dideteksi oleh sistem(server) dengan menggunakan metode deteksi tepi dengan operator canny.
2.4 Kerangka Pemikiran
Dalam melakukan penelitian ini, digunakan kerangka pemikiran sebagaimana dapat dilihat pada gambar berikut:
Gambar 2.13 Kerangka Pemikiran
2.5 Hipotesis
BAB III
DESAIN PENELITIAN
3.1 Metode Penelitian
Metode yang digunakan dalam Penelitian ini adalah metode eksperimen. Eksperimen dalam penelitian ini bertujuan untuk mencari nilai batasan dari gambar uang asli dengan operator canny. Dengan metode ini gambar uang asli yang diambil menggunakan kamera smartphone akan melalui beberapa proses, antara lain: konversi gambar dari RGB ke Grayscale, perbaikan kualitas gambar, proses binerisasi, proses dilasi, proses erosi, proses, proses deteksi tepi, deteksi karakteristik mata uang kertas dan disegmentasi. Nilai yang didapat dari hasil proses tersebut akan dijadikan acuan dalam penentuan asli atau tidaknya. Dalam pengambilan nilai ini perlu dilakukan beberapa pengkondisian dari uang kertas, pengkondisian yang dimaksud adalah tingkat kerusakan pada uang tersebut, mulai dari 0% sampai dengan 80% dengan begitu nilai batasan yang didapat akan menjadi valid untuk menjadi acuan dalam pendeteksian uang.
3.2 Pemilihan sampel
Sampel yang digunakan dalam penelitian ini diambil dari beberapa sumber yang berbeda, yang pertama uang asli yang difotokopi dimana hasil dari fotokopi hanya berwarna hitam putih, kedua uang asli yang discan menggunakan scanner dan kemudian dicetak berwarna, kemudian uang palsu yang beredar dimasyarakat. Sedangkan uang asli yang digunakan untuk pencarian nilai batasan didapat dari pengambilan uang dari salah satu bank.
3.3 Metode Pengumpulan Data
Data untuk penelitian ini berasal dari data primer dan sekunder. Data primer didapat dari observasi lapangan dan uji coba. Data sekunder didapat dari kajian literatur yang terkait dengan tema penelitian ini.
Studi literatur dilakukan peneliti dengan mempelajari berbagai referensi dan tulisan ilmiah tentang penelitian mengenai uang palsu (currency counterfeit), serta teknik pengolahan citra digital.
b. Observasi Lapangan
Pada observasi lapangan, peneliti melakukan pengambilan sample – sample uang, baik melalui bank maupun uang yang sudah beredar dimasyarakat.
3.4 Langkah-langkah Penelitian
Dalam pelaksanaan penelitian diperlukan acuan dasar pelaksanaan agar penelitian ini dapat berjalan dengan baik, sehingga dapat diimplementasikan dan memberikan hasil yang diharapkan. Berikut ini merupakan langkah-langkah yang dilakukan peneliti dalam penelitian ini :
Gambar 3.1 Langkah-langkah Penelitian
Penjelasan dari langkah-langkah penelitian diatas akan dijelaskan sebagai berikut :
Setelah menentukan ide untuk penelitian, penulis melakukan studi pustaka dengan membaca dan mempelajari informasi yang berkaitan dengan ide penelitian. Pada tahap ini peneliti juga mengumpulkan informasi untuk persiapan dalam melakukan peracangan & implementasi sistem
2. Pengumpulan & Analisa Data Sample.
Setelah melakukan studi pustaka peneliti mulai mengumpulkan sample-sample yang terkait dengan uang palsu. Setelah mempelajari dan mengumpulkan sample, langkah selanjutnya adalah membuat rancangan dan implementasi aplikasi “Currency Counterfeit Detection”.
3. Perancangan & Implementasi Sistem.
Ketika sudah mendapatkan data sample yang dikehendaki maka langkah selanjutnya adalah melakukan perancangan & implementasi sistem untuk melakukan pendeteksian uang palsu, yang dilanjutkan hingga sistem dapat menampilkan gambar uang yang sudah diproses dengan deteksi tepi operator canny.
4. Simulasi & Pengujian Sistem
Setelah tahap implementasi sistem sudah berjalan maka tahap selanjutnya adalah melakukan simulasi sistem dengan skenario yang menggunakan data sample yang sudah ditentukan sebelumnya. Hal ini dilakukan untuk menguji kinerja sistem dalam menghasilkan nilai yang akan menjadi batasan dalam menentukan keaslian uang tersebut.
Pada tahap simulasi dan pengujian, akan dilakukan beberapa langkah, antara lain:
Gambar 3.2 Ektraksi Uang Asli
b. Setelah didapatkan nilai dari hasil mengekstrak uang asli, langkah selanjutnya adalah melakukan pengujian terhadap sample – sample yang telah diperoleh.
5. Analisa Hasil Simulasi
Pada tahap ini, peneliti mengumpulkan hasil dari tahap simulasi & ujicoba sistem yang sudah dilakukan untuk kemudian dianalisa hingga menghasilkan sebuah informasi yang menunjukan kinerja sistem yang sebenarnya. Hasil dari analisa akan digunakan sebagai dasar dalam penarikan kesimpulan atas penelitian ini.
6. Pengambilan Kesimpulan
Tahap ini dilakukan dengan menggunakan data hasil analisa simulasi & ujicoba untuk kemudian diambil sebuah kesimpulan yang dapat dijadikan sebagai gambaran dari kinerja sistem yang meliputi pembuktian teori dari ide penelitian, kinerja sistem dalam menghasilkan output serta kekurangan yang masih dimiliki oleh sistem.
3.5 Jadwal Penelitian
Tabel 3.1 Jadwal Penelitian
No Jadwal Kegiatan 2013 2014
Sep Okt Nov Des Jan Feb 1 Menentukan Pembimbing
4 Sidang Proposal
5 Implementasi & Uji cobaPenelitian 6 PenyelesaianThesis Naskah 7 Sidang Thesis
8 Perbaikan Naskah Thesis
BAB IV PENUTUP 4.1 Kesimpulan
Berdasarkan dari uraian proposal penelitian yang diajukan, maka dapat disimpulkan penelitian ini diharapkan dapat membedakan uang asli dengan uang palsu berdasarkan kriteria – kriteria terkait. Dengan diketahuinya kriteria tersebut diharapkan dapat bermanfaat bagi masyarakat yang kurang memahami perbedaan uang palsu dengan uang asli. Serta dengan adanya penelitian ini diharapkan dapat menekan tingkat peredaran uang palsu di Indonesia.
DAFTAR PUSTAKA
[Bruna 2013] Bruna, Arcangelo, Farinella, G.M., Guarnera, G.C., Sebastiano Battiato. 2013. Forgery Detection and Value Identification of Euro Banknotes. ISSN 1424-8220 www.mdpi.com/journal/sensors
[Gonzales 2003] Gonzales, Rafael C. Richard E. Woods, Steven L. Eddins. 2003. Digital Image Processing Using Matlab.
[Nema 2013] Nema, Rajni, Dr. A. K. Saxena. 2013. Edge Detection Operators on Digital Image. INTERNATIONAL JOURNAL OF ENGINEERING SCIENCES & RESEARCH TECHNOLOGY ISSN: 2277-9655
[Parminder 2011] Reel, Parminder Singh, Gopal Krishan, Smarti Kotwal. 2011. Image Processing based Heuristic Analysis for Enhanced Currency Recognition. Electronics and Communication Engineering, Thapar University, Patiala,
http://ijict.org/ ISSN 0976-4860.
[Rubeena Mirza 2012] Mirza, Rubeena, Vinti Nanda. 2012. Paper Currency Verification System Based on Characteristic Extraction Using Image Processing, International Journal of Engineering and Advanced Technology (IJEAT) ISSN: 2249 – 8958, Volume-1, Issue-3, February 2012.
[Vijay G. Baskar 2013] G. Baskar, Vijay, N. Sathees Kumar, N. Karthick. 2013. Research Analysis of Cloud Computing, IJCSMC, Vol. 2, Issue. 5, May 2013, pg.313 – 316.
[Yaojia 2010] Wang, Yaojia, Siyuan Lin. 2010. Currency recognition system using image processing. Bachelor Thesis, 15 hp, Computer Science, Akademin för teknik och miljö Högskolan i Gävle (Academy for Technology and Environtment, University of Gavle, Sweden).
[Yeffry 2003] Handoko Putra, Yeffry. 2003. Perancangan Sistem Pengujian Uang
Palsu Mempergunakan Scanner Gambar. Jurnal From
