IDENTIFIKASI KEASLIAN MATA UANG RUPIAH MENGGUNAKAN METODE ALGORITMA

(1)

IDENTIFIKASI KEASLIAN MATA UANG RUPIAH

MENGGUNAKAN METODE ALGORITMA

K-NEAREST NEIGHBOR (K-NN)

SKRIPSI

Disusun Oleh :

THOMI LUTHFIANTO

1203030010

PROGRAM STUDI TEKNIK ELEKTRO

FAKULTAS TEKNIK

UNIVERSITAS MUHAMMADIYAH PURWOKERTO

2017

(2)

i

HALAMAN JUDUL

IDENTIFIKASI KEASLIAN MATA UANG RUPIAH

MENGGUNAKAN METODE ALGORITMA

K-NEAREST NEIGHBOR (K-NN)

SKRIPSI

Disusun Oleh :

THOMI LUTHFIANTO

1203030010

PROGRAM STUDI TEKNIK ELEKTRO

FAKULTAS TEKNIK

UNIVERSITAS MUHAMMADIYAH PURWOKERTO

2017

(3)

(4)

(5)

(6)

v

MOTO

“Syukur, Sabar, dan Sholat”

“jadilah orang yang bermanfaat ”

“jangan berkata tidak bisa, sebelum mencoba”

(7)

vi

INTISARI

Mata uang rupiah merupakan suatu alat tukar yang sah digunakan dalam transaksi di negara Republik Indonesia dan disahkan berdasarkan UU No. 23 tahun 1999. Uang palsu dalam transaksi merupakan hal yang sangat menghambat dalam kegiatan ekonomi seperti: transaksi, peminjaman dan tukar-menukar. Jenis mata uang rupiah yang sering dipalsukan yaitu mata uang dalam bentuk kertas. Perancangan sistem identifikasi keaslian mata uang rupiah

menggunakan metode K-NN bertujuan untuk mempermudah dalam

mengidentifikasi keaslian mata uang dan menguji tingkat keakurasian metode yang digunakan. Metode yang digunakan pada penelitian ini yaitu metode Gray Level Coocurence Matrix (GLCM) sebagai metode ekstraksi ciri dan metode K-Nearest Neighbor (K-NN) digunakan pada proses klasifikasi dan identifikasi. Tahap pengujian menggunakan data sebanyak 18 citra mata uang. Hasil penelitian menunjukan tingkat akurasi 100% untuk nilai k = 1, 77.78% untuk nilai k = 3, dan 55.56% untuk nilai k = 5. Tingkat akurasi tertinggi pada sistem identifikasi keaslian mata uang terjadi saat nilai k = 1 yaitu 100%.

Kata kunci: Identifikasi, Mata uang rupiah, Ekstraksi ciri, K-NN (K-Nearest Neighbor), Gray Level Coocurence Matrix (GLCM).

(8)

vii ABSTRACT

The rupiah is a legal tender used in transactions in the Republic of Indonesia and ratified by Law No. 23, 1999. The counterfeit money in the transaction is very inhibiting in economic activities such as: transactions, lending and exchange. Rupiah often counterfeited namely in the form of paper currency. The design of the authenticity of the identification system rupiah using the K-NN method aims to make it easier to identify the authenticity of currency and test the level of accuracy of the method used. The method used in this research is the method of Gray Level Coocurence Matrix (GLCM) as feature extraction method and the method of K-Nearest Neighbor (K-NN) is used in the process of classification and identification. The testing phase uses the data as many as 18 images currencies. The results showed 100% accuracy rate for the value of k = 1, 77.78% to the value of k = 3, and 55.56% to the value of k = 5. The highest accuracy rate in identifying the authenticity of the currency system occurs when the value of k = 1 is 100%.

Keywords: Identification, Rupiah, Feature extraction, K-NN (K-Nearest Neighbor), Gray Level Coocurence Matrix (GLCM).

(9)

viii

KATA PENGANTAR

Puji Syukur kepada Allah SWT Yang Maha Esa, karena limpahan kasih sayang-Nya serta kuasa-Nya penyusunan Skripsi ini dapat terselesaikan. Shalawat serta salam semoga selalu tercurah kepada Baginda Besar Nabi Muhammad SAW.

Penulisan Skripsi ini disusun untuk memenuhi salah satu syarat memperoleh gelar sarjana pada Program Studi Teknik Elektro, Fakultas Teknik Universitas Muhammadiyah Purwokerto. Judul yang penulis ajukan adalah “Identifikasi Keaslian Mata Uang Rupiah Menggunakan Metode Algoritma

K-Nearest Neighbor (K-NN) ”.

Pada kesempatan ini penyusun menyampaikan terima kasih yang sebesar-besarnya kepada semua pihak yang terlibat dalam pembuatan Skripsi ini. Kiranya Allah SWT yang akan membalas semua kebaikan yang telah diberikan kepada penulis. Ucapan terima kasih penulis tujukan kepada :

1. Allah SWT atas segala rahmat dan hidayah serta inayah-Nya, sehingga peneliti dapat menyelesaikan Skripsi ini dengan baik dan lancar.

2. Keluarga, bapak Urip Hardjono dan ibu Ary Hartini, saudari kandung Atika Pusparini yang senantiasa mendukung dan mendoakan selama proses penyusunan Skripsi dilaksanakan.

3. Bapak Winarso selaku Kepala Program Studi Teknik Elektro.

(10)

ix

4. Bapak M. Taufik Tamam selaku pembimbing 1 yang selalu mengarahkan dan memberikan masukan selama proses penyusunan skripsi.

5. Ibu Dian Nova Kusuma Hardani sebagai pemimbing 2 yang sudah berpengalaman memberi banyak ilmu dari awal pelaksanaan sampai akhir. 6. Teman, saudara, kenalan yang telah meminjamkan Uang Asli maupun Uang

Palsu sebagai data dalam penyusunan skripsi ini.

7. Pak Fadil Muslim selaku laboran teknik elektro yang selalu membantu dalam hal peminjaman alat laboratorium.

8. Staf TU yang membantu dalam hal administratif.

9. Teman-teman mahasiswa Teknik Elektro angkatan 2012, angkatan 2013, angkatan 2014, dan angkatan 2015 yang selalu mendukung dan berbagi kebahagian bersama.

10. _{Teman-teman mahasiswa Fakultas Teknik yang selalu memberikan bantuan} dan dukungan.

Sadar bahwa dalam penyusunan Skripsi ini masih jauh dari kesempurnaan, maka dari itu mengharapkan saran dan kritik dari para pembaca demi kesempurnaan laporan ini. Semoga laporan ini dapat bermanfaat bagi kami khususnya dan bagi para pembaca.

(11)

x

DAFTAR ISI

HALAMAN JUDUL ... i

HALAMAN PERSETUJUAN ... ii

HALAMAN PENGESAHAN ... iii

HALAMAN PERNYATAAN ... iv

MOTTO ... v

INTISARI ... vi

ABSTRACT ... vii

KATA PENGANTAR ... viii

DAFTAR ISI ... x

DAFTAR GAMBAR ... xiii

DAFTAR TABEL ... xv

DAFTAR SINGKATAN ... xvi

DAFTAR LAMPIRAN ... xvii

BAB I PENDAHULUAN ... 1

1.1 Latar Belakang ... 1

1.2 Perumusan Masalah ... 3

(12)

xi

1.3 Batasan Masalah Penelitian ... 3

1.4 Tujuan Penelitian ... 4

2.5 Representasi Citra Digital ... 12

2.6 Pengolahan Citra Digital (Digital Image Processing) ... 12

2.7 Ekstraksi Ciri ... 13

2.8 Gray Level Coocurence Matrix (GLCM) ... 15

2.9 K-Nearest Neighbor (K-NN) ... 22

2.10 Matlab ... 23

BAB III PERANCANGAN SISTEM ... 26

3.1. Perangkat Keras ... 26

3.2. Perangkat Lunak ... 27

3.3. Deskripsi Umum Sistem ... 27

3.4. Perancangan Sistem ... 28

3.4.1 Pra-pengolahan (Preprocessing) ... 29

3.4.2 Ekstraksi Ciri GLCM ... 32

3.4.3 Pembuatan Database ... 34

(13)

xii

3.4.4 Klasifikasi dan Identifikasi ... 34

BAB IV PENGUJIAN DAN ANALISA SISTEM ... 36

4.1 Pengujian Sistem Akuisisi Data ... 36

4.2 Pengujian Sistem Pra-pengolahan (Preprocessing) ... 39

4.3 Pengujian Sistem Ekstraksi Ciri ... 49

4.4 Pengujian Sistem Klasifikasi dan Identifikasi ... 52

4.5 Perancangan Callback pada GUI Matlab ... 53

4.6 Perancangan dan Pengujian Graphical User Interface (GUI)... 61

4.7 Analisa Sistem ... 65

4.7.1 Analisa Ekstraksi Ciri Tekstur GLCM (Gray Level Coocurence Matrix) ... 66

4.7.2 Analisa Klasifikasi Metode K-NN (K-Nearest Neighbor) ... 68

BAB V KESIMPULAN ... 72

5.1 Kesimpulan ... 72

5.2 Saran ... 73

DAFTAR PUSTAKA ... 74

LAMPIRAN

(14)

xiii

DAFTAR GAMBAR

Gambar 2.1 Sebaran mata uang kertas rupiah ... 9

Gambar 2.2 Representasi citra digital dalam bentuk matriks ... 12

Gambar 2.3 Histogram citra sebagai fungsi probabilitas kemunculan nilai itensitas pada citra ... 16

Gambar 2.4 Hubungan ketetanggan antar piksel sebagai fungsiorientasi dan jarak spasial ... 16

Gambar 2.5 Matriks asal, matriks I ... 17

Gambar 2.6 Pembentukan matriks kookurensi dari matriks I ... 18

Gambar 2.7 GLCM simetris ... 19

Gambar 2.9 Tampilan awal GUI ... 25

Gambar 3.1 Alur pengolahan citra mata uang ... 28

Gambar 3.2 Flowchart identifikasi keaslian mata uang... 29

Gambar 3.3 Flowchart proses preprocessing ... 31

Gambar 3.4 Flowchart proses ekstraksi ciri ... 33

Gambar 3.5 Pembuatan database dengan notepad ... 34

Gambar 3.6 Flowchart algoritma K-Nearest Neighbor ... 35

(15)

xiv

Gambar 4.1 Proses peletakan uang rupiah ... 37

Gambar 4.2 Proses scanning ... 38

Gambar 4.3 Citra mata uang rupiah Rp. 100.000 hasil scaning dengan ukuran 1784 x 752 piksel ... 39

Gambar 4.4 Citra mata uang Rp. 50.000,00 ... 40

Gambar 4.5 Scaling menggunakan metode Nearest-Neighbor ... 41

Gambar 4.6 Scaling menggunakan metode interpolasi bi-linier ... 42

Gambar 4.7 Citra hasil resizing dengan ukuran 720 x 360 piksel ... 44

Gambar 4.8 (a) hasil cropping Rp. 50.000,00 dan (b) 3 hasil cropping Rp.100.000,00 ... 45

Gambar 4.9 (a) citra black white dan (b) citra hasil complement... 46

Gambar 4.10 Citra hasil proses thresholding ... 47

Gambar 4.11 Citra hasil proses boundary thresholding ... 48

Gambar 4.12 Rancangan tampilan GUI ... 62

Gambar 4.13 Tampilan awal GUI identifikasi keaslian mata uang rupiah ... 64

Gambar 4.14 Tampilan proses identifikasi sedang berjalan ... 64

Gambar 4.13 Tampilan akhir proses identifikasi ... 65

(16)

xv

DAFTAR TABEL

Tabel 2.1 Area kerja matriks ... 18

Tabel 2.2 Nilai GLCM simetris ternormalisasi dari matriks I ... 20

Tabel 4.1 Parameter fitur GLCM ... 52

Tabel 4.2 Tabel nilai fitur GLCM database training dan penentuan kelas ... 67

Tabel 4.3 Analisa hasil klasifikasi dan identifikasi ... 69

(17)

xvi

GLCM = Gray Level Coocurence Matrix

GUI = Graphical User Interface

IDM = Inverse Different Moment

K-NN = K-Nearest Neighboar

MRI = Magnetic resonance imaging

SVM = Support Vector Machine

VAR = Variance

(18)

xvii

DAFTAR LAMPIRAN

Lampiran 1 Spesifikasi Sistem

Lampiran 2 Petunjuk Penggunaan Program

Lampiran 3 Listing Program.

Lampiran 4 Citra Mata Uang

Lampiran 5 Tabel Hasil Ekstraksi Ciri dan Identifikasi