PENGOLAHAN CITRA DIGITAL UNTUK MENDETEKSI TANDA AIR UANG KERTAS.

90  29 

Loading.... (view fulltext now)

Loading....

Loading....

Loading....

Loading....

Teks penuh

(1)

SKRIPSI

Disusun Oleh :

IDHAMSYAH NPM. 0934010212

PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI

UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” J ATIM SURABAYA

(2)

TUGAS AKHIR

Diajukan Untuk Memenuhi Sebagai Per syaratan Dalam Memperoleh Gelar Sarjana Komputer

Pr ogram Studi Teknik Infor matika

Disusun Oleh :

IDHAMSYAH NPM. 0934010212

PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI

UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” J ATIM SURABAYA

(3)

PENGOLAHAN CITRA DIGITAL UNTUK MENDETEKSI TANDA AIR UANG KERTAS

Disusun Oleh : IDHAMSYAH NPM. 0934010212

Telah dipertahankan dihadapkan dan diterima oleh Tim Penguji Skr ipsi Pr ogram Studi Teknik Infor matika Fakultas Teknologi Industri

Univer sitas Pembangunan Nasional “Veteran” J awa Timur Pada Tanggal 22 J uli 2014

Mengetahui,

Dekan Fakultas Teknologi Industri

Univer sitas Pembangunan Nasional ”Veteran” J awa Timur

Ir. Sutiyono, MT NPT. 19600713 198703 1 001 Pembimbing :

1.

Budi Nugroho, S.Kom, M.Kom NPT. 3 8006 050 2051

2.

Yisti Vita Via, S.T, M.Kom NPT. 3 8604 130 3471

Tim Penguji : 1.

Rizky Par lika, S.Kom, M.Kom NPT. 3 8405 070 2191

2.

Fetty Tri Anggraeny, S.Kom, M.Kom NPT. 3 8202 060 2081

3.

(4)

PENGOLAHAN CITRA DIGITAL UNTUK MENDETEKSI TANDA AIR UANG KERTAS

Disusun Oleh :

IDHAMSYAH NPM. 0934010212

Telah disetujui mengikuti Ujian Negara Lisan Gelombang VITahun Akademik 2013/2014

Menyetujui,

Pembimbing Utama Pembimbing Pendamping

Budi Nugroho, S.Kom, M.Kom Yisti Vita Via, S.ST, M.Kom

NPT. 3 8006 050 2051 NPT. 3 8604 130 3471

Mengetahui,

Ketua J urusan Teknik Infor matika Fakultas Teknologi Industri UPN ”Veteran” J awa Timur

(5)

Jl. Rungkut Madya Gunung Anyar Surabaya 60294 Tlp. (031) 8706369, 8783189 Fax. (031) 8706372 Website. www.upnjatim.ac.id

KETERANGAN REVISI

Kami yang bertanda tangan di bawah ini menyatakan bahwa mahasiswa berikut :

Nama : Idhamsyah

NPM : 0934010212

Program Studi : Teknik Informatika

Telah mengerjakan REVISI SKRIPSI Ujian Lisan Gelombang VI TA 2013/2014 dengan judul :

“ PENGOLAHAN CITRA DIGITAL UNTUK MENDETEKSI TANDA AIR UANG KERTAS“

Surabaya, 26 Agustus 2014 Dosen penguji yang memeriksa revisi

1. Rizky Par lika, S.Kom, M.Kom

NPT. 3 8405 070 2191 { }

2. Fetty Tri Anggraeny, S.Kom, M.Kom

NPT. 3 8202 060 2081 { }

3. Budi Nugroho, S.Kom, M.Kom

NIP. 3 8006 050 2051 { }

Mengetahui,

Pembimbing Utama Pembimbing Pendamping

(6)

UCAPAN TERIMA KASIH

Ucapan terima kasih ini penulis persembahkan sebagai perwujudan rasa syukur

atas terselesaikannya tugas akhir. Ucapan terima kasih ini penulis tujukan kepada :

1. Allah SWT, karena berkat rahmat dan berkah-Nya penulis dapat menyusun

dan menyelesaikan tugas akhir ini hingga selesai.

2. Bapak dan Ibu tercinta, serta keluarga dan orang-orang tersayang, terima kasih

atas semua doa, dukungan serta harapan-harapannya pada saat penulis

menyelesaikan tugas akhir ini.

3. Bapak Ir. Sutiyono, MS selaku Dekan Fakultas Teknologi Industri.

4. Ibu Dr.Ir. Ni Ketut Sari, MT selaku ketua jurusan Teknik Informatika, UPN

“Veteran” Jawa Timur yang selalu memberi support mahasiswanya.

5. Bapak Budi Nugroho, S.Kom, M.Kom dan Ibu Yisti Vita Via, S.ST, M.Kom

selaku Dosen Pembimbing yang telah meluangkan begitu banyak waktu,

tenaga dan pikiran serta dengan sabar membimbing penulis dari awal hingga

laporan tugas akhir ini dapat terselesaikan.

6. Kepada teman-teman Informatic-Dhe yang selalu memberi saran, dan

(7)

Syukur Alhamdulillahi Rabbil ‘Alamin terucap ke hadirat Allah SWT atas segala limpahan Kekuatan-Nya sehingga dengan segala keterbatasan waktu, tenaga, pikiran dan keburutungan yang dimiliki peneliti, akhirnya peneliti dapat menyelesaikan skripsi yang berjudul “Pengolahan Citr a Digital Untuk Deteksi Tanda Air” tepat waktu.

Skripsi dengan beban 4 SKS ini disusun guna di ajukan sebagai salah satu syarat untuk menyelesaikan program Strata Satu (S1) pada jurusan Teknik Informatika, Fakultas Teknologi Industri, UPN “Veteran “ Jawa Timur.

Melalui skripsi ini peneliti merasa mendapatkan kesempatan emas untuk memperdalam ilmu pengetahuan yang diperoleh selama di bangku perkulihan, terutama berkenaan tentang penerapan teknologi perangkat bergerak, Namun, penyusun menyadari bahwa skripsi ini masih jauh dari sempurna. Oleh karena itu penyusun sangat mengharapkan saran dan kritik dari para pembaca untuk pengembangan aplikasi lebih lanjut.

Surabaya, Juli 2014

(8)

DAFTAR ISI

Halaman

ABSTRAK ... i

KATA PE NGANTAR ... ii

UCAPAN TERIMA KASIH ... iii

DAFTAR ISI ... iv

DAFTAR GAMBAR ... vii

DAFTAR TABEL ...viii

DAFTAR SOURCE CODE ... ix

BAB I PENDAHULUAN... 1

1.6. Metodelogi Penelitian ... 3

BAB II TINJ AUAN PUSTAKA ... 6

2.1. Uang ... 6

2.2. Penelitian Terdahulu ... 8

2.3. Kecerdasan Buatan... 8

2.4. Citra ... 9

2.4.1. Citra Analog ... 10

2.5.2. Citra Digital ... 10

2.5. Visi Komputer ... 12

2.6. Pengolahan Citra Digital ... 13

2.7. Citra Grayscale ... 13

(9)

2.8.1. Elemen Terstruktur ... 15

BAB III METODOLOGI PENELITIAN ... 26

3.1. Data Set... 26

3.2. Analisis Sistem ... 38

3.3. Gambaran Aplikasi Secara Umum... 39

3.3.1. Perancangan Proses ... 41

3.4. Perancangan Tampilan Antarmuka. ... 47

BAB IV HASIL DAN PEMBAHASAN ... 49

4.1. Kebutuhan Hardware dan Software ... 49

4.2. Implementasi Data ... 50

4.3. Implementasi Antarmuka ... 50

4.4. Implementasi Proses ... 51

4.4.1.Proses Pilih Citra. ... 51

(10)

4.5. Uji Program ... 54

4.5.1. Skenario Uji Program. ... 55

4.5.2. Pelaksanaan Uji Coba. ... 55

4.6. Analisa Aplikasi. ... 58

4.6.1. Analisis Proses Berdasarkan Gambar ... 58

4.7. Pengujian Validitas Aplikasi………...71

BAB V KESIMPULAN DAN SARAN ... 75

5.1.Kesimpulan ... 75

5.2.Saran ... 76

(11)

Pembimbing I : Budi Nugr oho, S.Kom, M.Kom

Pembimbing II : Yisti Vita Via, S.ST, M.Kom

ABSTRAK

Pengolahan citra digital saat ini telah berkembang kegunaannya untuk melakukan sistem pengenalan terhadap kemungkinan gangguan kriminalitas, terutama untuk pengenalan objek yang unik, seperti tanda air pada uang rupiah. Dengan metode terapan morfologi dan segmentasi citra.

Morfologi adalah teknik pengolahan citra berdasarkan bentuk segmen atau region dalam citra. Morfologi memiliki banyak fungsi di dalamnya untuk mengelola citra hingga mendapatkan bentuk sederhana dari sebuah citra. Hasil terakhir dari proses morfologi adalah kumpulan piksel yang digunakan untuk menentukan apakah di citra tersebut memiliki tanda air atau tidak.

Dari hasil pengujian sistem terhadap 60 citra, tingkat keakurasian mencapai 100%. Dalam pengujian validitas aplikasi menggunakan Kappa Cohen aplikasi cukup efektif digunakan untuk mendeteksi tanda air pada uang kertas rupiah.

(12)

PENDAHULUAN

1.1. Latar Belakang

Kemajuan teknologi telah berkembang dengan pesat. Terlebih lagi teknologi di bidang informatika. Seiring dengan kemajuan ini, kriminalitas yang menggunakan teknologi juga berkembang. Salah satu kriminalitas yang memanfaatkan kemajuan teknologi adalah pembuatan uang palsu. Uang palsu yang beredar terdiri dari pecahan Rp.20.000 hingga pecahan Rp.100.000. Peredaran uang palsu dari tahun ke tahun terus mengalami peningkatan. Menurut Tempo (2014), ada sedikit peningkatan peredaran uang palsu di tahun 2013 dibandingkan 2012. Selama Januari sampai Februari 2014. BI Jember menemukan uang palsu sekitar Rp. 20 juta lebih. Peningkatan ini dikarenakan mudahnya mendapatkan informasi cara membuat uang palsu di internet. Untuk itu, perlu adanya suatu teknologi yang dapat mengetahui dan membedakan uang palsu tersebut. Maka diciptakanlah alat untuk mendeteksi pengenalan uang asli dengan menghitung prosentase tingkat akurasi kemiripan. Berbagai macam teknologi digunakan, antara lain menggunakan sinar ultraviolet, deteksi tepi dan lain-lain.

(13)

yang sering digunakan adalah dengan mendeteksi ada tidaknya tanda air dari suatu mata uang kertas. Saat ini pengolahan citra digital muncul sebagai salah satu cara yang bisa membedakan uang asli dengan uang palsu dengan cara mendeteksi ada tidaknya tanda air pada suatu mata uang.

1.2. Rumusan Masalah

Berdasarkan latar belakang yang telah diuraikan sebelumnya maka dapat dirumuskan masalah, yaitu:

1. Bagaimana hasil deteksi tanda air dari pengolahan citra digital? 2. Bagaimana menentukan kinerja sistem pendeteksi uang asli

menggunakan pengolahan citra digital (PCD)?

1.3. Batasan Masalah

Adapun batasan-batasan masalah yang dibuat agar dalam pengerjaan tugas akhir ini dapat berjalan dengan baik adalah sebagai berikut :

(14)

5. Uang kertas yang digunakan adalah uang kertas dalam kondisi baik (tidak ada lipatan, tidak lusuh, tidak ada coretan).

1.4. Tujuan

Dari rumusan masalah yang telah diuraikan sebelumnya, maka tujuan dari penulisan tugas akhir ini adalah bagaimana mendeteksi uang asli dengan menggunakan pengolahan citra digital (PCD). Serta untuk mengetahui kinerja metode pengolahan citra digital dalam mendeteksi tanda air yang terdapat pada uang rupiah.

1.5. Manfaat

Manfaat dari penulisan tugas akhir ini adalah :

1. Untuk mengetahui sejauh mana teknik pengolahan citra digital (PCD) untuk mendeteksi uang asli.

2. Menyebarluaskan informasi tentang pemanfaatan pengolahan citra digital pada suatu citra yang dapat diaplikasikan dalam kehidupan sehari-hari.

3. Dapat dipergunakan sebagai dasar penelitian selanjutnya untuk pendeteksian tanda air dan teknik-teknik pengolahan citra digital lainnya.

1.6. Metodologi Penelitian

(15)

1. Studi Literatur

Pada tahap ini, penulis mempelajari dan membaca buku diktat, referensi, buletin perpustakaan sebagai acuan yang berkaitan dengan permasalahan yang akan dibahas.

2. Dokumentasi

Penulis melakukan pencatatan terhadap aktifitas yang berhubungan dengan pengamatannya, apabila diperlukan pencatatan.

3. Perancangan dan Pembuatan Sistem

Melakukan analisa awal tentang sistem yang akan dibuat untuk menentukan langkah selanjutnya. Setelah sistem dirancang maka tahap berikutnya adalah pembuatan sistem yang benar, agar sesuai dengan rancangan. Pada tahap ini juga dilakukan perancangan struktur data, algoritma dan diagram alur yang akan digunakan untuk implementasi dalam perangkat lunak yang akan dibuat. Kemudian dilakukan pengimplementasian struktur data dan algoritma yang telah dirancang ke dalam bahasa pemrograman. 4. Pengujian dan Evaluasi Perangkat Lunak

(16)

5. Pembuatan Naskah Skripsi

(17)

2.1 Uang

Menurut UKP-PPP (Unit Kerja Presiden Bidang Pengawasan dan Pengendalian Pembangunan) (2014), Keberadaan uang menyediakan alternatif transaksi yang lebih mudah daripada barter yang lebih kompleks, tidak efisien, dan kurang cocok digunakan dalam sistem ekonomi modern karena membutuhkan orang yang memiliki keinginan yang sama untuk melakukan pertukaran dan juga kesulitan dalam penentuan nilai. Efisiensi yang didapatkan dengan menggunakan uang pada akhirnya akan mendorong perdagangan dan pembagian tenaga kerja yang kemudian akan meningkatkan produktifitas dan kemakmuran. Uang Rupiah memiliki ciri-ciri berupa tanda-tanda tertentu yang bertujuan mengamankan uang Rupiah dari upaya pemalsuan. Dalam penetapan ciri-ciri uang dianut suatu prinsip bahwa semakin besar nilai nominal uang maka semakin banyak unsur pengaman (Secutiy Features) dari uang tersebut.

Secara umum, ciri-ciri keaslian uang Rupiah dapat dikenali dari unsur pengaman yang tertanam pada bahan uang dan teknik cetak yang digunakan, yaitu:

1. Tanda Air (Watermark) dan Electrotype

(18)

2. Benang Pengaman (Security Thread)

Ditanam di tengah ketebalan kertas atau terlihat seperti dianyam sehingga tampak sebagai garis melintang dari atas ke bawah, dapat dibuat tidak memendar maupun memendar di bawah sinar ultraviolet dengan satu warna atau beberapa warna.

3. Cetak Intaglio

Cetakan yang terasa kasar apabila diraba. 4. Gambar Saling Isi (Rectoverso)

Pencetakan suatu ragam bentuk yang menghasilkan cetakan pada bagian muka dan belakang beradu tepat dan saling mengisi jika diterawangkan ke arah cahaya.

5. Tinta Berubah Warna (Optical Variable Ink)

Hasil cetak mengkilap (glittering) yang berubah-ubah warnanya bila dilihat dari sudut pandang yang berbeda.

6. Tulisan Mikro (Micro Text)

Tulisan berukuran sangat kecil yang hanya dapat dibaca dengan menggunakan kaca pembesar.

7. Tinta Tidak Tampak (Invisible Ink)

Hasil cetak tidak kasat mata yang akan memendar di bawah sinar ultraviolet.

8. Gambar Tersembunyi (Latent Image)

(19)

2.2 Penelitian Terdahulu

Dalam penelitian terdahulu pengidentifikasian tanda air dilakukan menggunakan deteksi tepi dengan menggunakan metode canny, dengan cara membandingkan dua buah citra di mana citra pertama sebagai citra original, dan citra kedua sebagai citra uji. Kedua citra tersebut dibandingkan similaritasnya.

Dalam tugas akhir ini, penelitian dilakukan hanya dengan metode segmentasi. Dikarenakan setelah dilakukan percobaan sendiri menggunakan deteksi tepi, metode ini tidak akurat untuk digunakan. Metode segmentasi yang digunakan pada penelitian ini adalah grayscale, binerisasi, dilasi,

erosi, dilasi-erosi, skeleton. Pada proses tersebut dimungkinkan untuk

mengelola citra hingga bisa diidentifikasi hasil tanda airnya. Dari proses penulangan atau skeletonizing sudah bisa menjadi proses akhir segmentasi untuk mendeteksi ada atau tidaknya tanda air, karena dari hasil penulangan sudah terbentuk pola tanda air apabila di citra uji terdapat tanda air, tetapi banyak faktor yang dapat mengganggu hasilnya, seperti adanya coretan, pencahayaan yang terlalu berlebihan dan kualitas foto yang rendah.

2.3 Kecerdasan Buatan

(20)

membuat agar mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan oleh manusia. Manusia pandai dalam menyelesaikan segala permasalahan karena manusia mempunyai pengetahuan dan pengalaman. Agar komputer dapat bertindak seperti dan sebaik manusia, maka komputer juga harus dibekali bekal pengetahuan dan mempunyai kemampuan untuk menalar. Dua bagian utama pada konsep kecerdasan buatan, yaitu:

1. Basis Pengetahuan

Berisi fakta, teori, pemikiran, dan hubungan suatu hal dengan hal lainnya.

2. Mesin Inferensi

Kemampuan menarik kesimpulan berdasarkan pengalaman.

2.4 Citr a

(21)

dihasilkan melalui proses digitalisasi terhadap citra kontinu. Contoh: kamera digital, scanner.

2.4.1 Citr a Analog

(Sutoyo, 2009:10) Citra analog adalah citra yang bersifat kontinu, seperti gambar pada monitor televisi, foto sinar X, foto yang tercetak di kertas foto, lukisan, pemandangan alam, hasil CT scan, gambar-gambar yang terekam pada pita kaset dan lain sebagainya. Citra analog tidak dapat direpresentasikan dalam komputer sehingga tidak bisa diproses dikomputer secara langsung. Oleh sebab itu, agar citra ini dapat diproses di komputer, proses konversi analog ke digital harus dilakukan terlebih dulu.

2.4.2 Citr a Digital

(Sutoyo, 2009:10) Citra digital adalah citra yang dinyatakan secara diskrit (tidak kontinu), baik untuk posisi koordinatnya maupun warnanya. Dengan demikian, citra digital dapat digambarkan sebagai suatu matriks, dimana indeks baris dan indeks kolom dari matriks menyatakan posisi suatu titik di dalam citra dan harga dari elemen matriks menyatakan warna citra pada titik tersebut. Dalam citra digital yang dinyatakan sebagai susunan matriks seperti ini, elemen–elemen matriks tadi disebut juga dengan istilah piksel yang berasal dari kata elemen citra.

(22)

dengan ketelitian terbatas. Digital image juga didefinisikan sebagai representasi dari gambar dua dimensi sebagai himpunan terbatas dari nilai digital yang disebut picture elements atau pixel. Umumnya pixel disimpan dalam komputer sebagai gambar raster, yaitu array dua dimensi dari integer. Nilai ini kadang disimpan dalam bentuk terkompresi. Digital image dapat diperoleh dari berbagai macam alat dan teknik pengambil gambar, seperti kamera digital, scanner, radar, dan sebagainya. Dapat pula disintesis dari data seperti fungsi matematika dan lain lain. (Anonim, 2005a)

Menurut Jain, Kasturi dan Schunck (1995, p12), pixel adalah sampel dari intensitas image yang terkuantisasi ke dalam nilai integer. Sementara Image merupakan array dua dimensi dari pixel-pixel tersebut. Image inilah yang akan menjadi input awal dalam

Computer Vision. Beberapa bentuk digital image yang sering

digunakan dalam Computer Vision (Shapiro dan Stockman, 2001, p30):

1. Binary image, yaitu digital image dengan nilai pixel 1 atau 0. 2. Grayscale image, yaitu digital image monokrom dengan satu

nilai intensitas tiap pixel.

3. Multispectral image, adalah image 2D yang memiliki vektor nilai pada tiap pixel, jika image-nya berwarna maka vektornya memiliki 3 elemen.

(23)

2.5 Visi Komputer

Visi komputer (Referensi : Kulkarni, Arun D., 2001, Visi komputer dan

Fuzzy-Neural Systems, Prentice-Hall, Inc., New Jersey, hal. 1) didefinisikan

sebagai sebuah proses mengenal objek- objek penting dari sebuah citra dan dapat digambarkan sebagai properti deduksi logik yang otomatis objek 3 dimensi dari citra tunggal atau citra ganda. Visi komputer dapat didefinisikan juga sebagai ilmu dan teknologi mesin dimana mesin dapat mengektrasi informasi dari citra yang diperlukan untuk menyelesaikan suatu tugas tertentu.

Visi komputer sulit untuk diwujudkan karena format citra pada dasarnya adalah relasi banyak ke satu, yang maksudnya setiap entitas pada himpunan A berhubungan paling banyak dengan satu entitas pada himpunan B, tapi tidak sebaliknya. Tugas- tugas seperti mengidentifikasi tanda tangan, mengidentifikasi tumor di dalam citra resonansi magnetik, mengenal objek yang diterima dari citra yang dihasilkan oleh satelit, mengidentifikasi wajah, menentukan lokasi sumber mineral dari sebuah citra, dan membangun citra tiga dimensi dari potongan citra dua dimensi dipertimbangkan sebagai lapangan subjek di visi komputer. Tipe sistem visi komputer terdiri dari tingkatan seperti akuisisi citra (image acquisition),

preprocessing, ekstrasi fitur (feature extraction), menyimpan objek dengan

asosiasi, mengakses basis pengetahuan dan pengenalan. visi komputer lebih daripada pengenalan, visi komputer melakukan operasi “low level

processing” sebagai algoritma pemrosesan citra yang murni. Mereka juga

(24)

2.6 Pengolahan Citr a Digital

(Munir. R. 2004) Pengolahan citra adalah pemrosesan citra, khususnya dengan menggunakan komputer menjadi citra yang kualitasnya lebih baik. Umumnya, operasi-operasi pada pengolahan citra diterapkan pada citra bila.

1. Perbaikan atau memodifikasi citra perlu dilakukan untuk meningkatkan kualitas penampakan atau untuk menonjolkan beberapa aspek informasi yang terkandung dalam citra.

2. Elemen di dalam citra perlu dikelompokkan, dicocok atau diukur.

3. Sebagian citra perlu digabung dengan citra lain Pengolahan citra bertujuan memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer. Teknik-teknik pengolahan citra mentransformasikan citra menjadi citra lain.

Citra Citra

Gambar 2.1 Proses Pengolahan Citra Digital

2.7 Citr a Grayscale

(Agus : 2010) Dalam komputasi, suatu citra digital grayscale atau

grayscale adalah suatu citra dimana nilai dari setiap pixel merupakan

sample tunggal. Citra yang ditampilkan dari citra jenis ini terdiri atas warna Pengolahan

(25)

abu-abu, bervariasi pada warna hitam pada bagian yang intensitas terlemah dan warna putih pada intensitas terkuat. Citra grayscale berbeda dengan citra ”hitam-putih”, dimana pada konteks komputer, citra hitam putih hanya terdiri atas 2 warna saja yaitu ”hitam” dan ”putih” saja. Pada citra grayscale warna bervariasi antara hitam dan putih, tetapi variasi warna diantaranya sangat banyak. Citra grayscale seringkali merupakan perhitungan dari intensitas cahaya pada setiap piksel. Citra grayscale disimpan dalam format 8 bit untuk setiap sample piksel, yang memungkinkan sebanyak 256 intensitas. Format ini sangat membantu dalam pemrograman karena manupulasi bit yang tidak terlalu banyak. Pada aplikasi lain seperti pada aplikasi medical imaging dan remote sensing biasa juga digunakan format 10,12 maupun 16 bit.

2.8 Morfologi

(26)

2.8.1 Elemen Ter struktur :

Menurut Dougherty (2009), Elemen terstruktur dapat berukuran sembarang. Element terstruktur juga memiliki titik poros (disebut juga titik origin/ titik asal/titik acuan).

2.8.1.1 Erosi

(Dougherty, 2009) Erosi adalah salah satu operasi dasar dalam pemrosesan citra secara morfologi. Erosi adalah sebuah operasi yang meningkatkan ukuran dari latar belakang (dan mengikis objek latar depan) pada citra biner. Dengan memisalkan A sebagai objek pada citra masukan, B sebagai elemen terstruktur, dan C sebagai objek pada citra keluaran hasil erosi, maka proses erosi dapat dinotasikan dengan:

... (1)

(27)

4-connectivity 8-connectivity

Gambar 2.2 Elemen Terstruktur 4- dan 8- Konektivitas

Erosi memiliki karakteristik :

1. Erosi pada umunya memperkecil ukuran dari objek dan

menghilangkan elemen atau anomali kecil dengan mengurangi objek dengan radius yang lebih kecil dari ukuran elemen terstruktur.

2. Dengan citra biner erosi menghilangkan objek yang lebih kecil dari elemen terstruktur dan mengiliminasi piksel parameter dari objek citra yang lebih besar.

Algoritma yang dilakukan pada erosi adalah sebagai berikut:

1. Posisikan elemen terstruktur dibagian atas (menutupi) tiap-tiap piksel dari citra masukan hingga titik pusat dari elemen terstruktur bertepatan dengan posisi piksel masukan.

(28)

ditutupinya), maka tetapkan piksel keluaran pada citra baru ke nilai latar belakang, maka tetapkan piksel.

Gambar 2.3 Erosi Menggunakan Elemen Terstruktur 8- Konektivitas Dengan begitu, piksel latar belakang pada citra masukan akan menjadi latar belakang pada citra keluaran dan juga piksel latar depan pada citra masukan akan menjadi latar belakang pada citra keluaran.

2.8.1.2 Dilasi

(29)

sebagai objek citra keluaran hasil dilasi, maka proses dilasi dapat dinotasikan sebagai :

... (2)

Dilasi memiliki karakteristik :

1. Dilasi umunya memperbesar ukuran dari objek, mengisi

lubang dan area yang rusak, dan menghubungkan area yang dipisahkan oleh jarak yang lebih kecil dari ukuran elemen terstruktur.

2. Dengan citra biner, dilasi menghubungkan area yang dipisahkan oleh jarak yang lebih kecil dari elemen terstruktur dan menambahkan piksel dari setiap objek citra. Algoritma yang dilakukan pada dilasi adalah sebagai berikut :

1. Posisikan elemen terstruktur di bagian atas (menutupi) tiap-tiap piksel dari citra masukan hingga titik pusat dari elemen terstruktur bertepatan dengan posisi piksel masukan.

2. Jika paling sedikit satu piksel pada elemen terstruktur bertemu dengan piksel latar depan dibawahnya ( yang ditutupinya), maka tetapkan piksel keluaran pada citra baru kenilai latar depan. Begitu juga jika bertemu dengan piksel latar belakang, maka tetapkan piksel keluaran pada citra baru ke nilai latar depan.

(30)

belakang pada citra masukan akan menjadi latar depan pada citra keluaran.

Gambar 2.4 Dilasi Menggunakan Elemen Terstruktur 8- Konektivitas

2.9 Thresholding

(Shapiro, 2002) Thresholding adalah metode paling sederhana dari segmentasi citra. Dari citra abu-abu, thresholding dapat digunakan untuk membuat citra biner. Pada proses thresholding, masing - masing piksel pada sebuah citra ditandai sebagai piksel milik objek jika nilainya lebih dari nilai

threshold. Dengan asumsi objek tersebut lebih terang dari latar belakangnya,

hal ini disebut threshold above. Sedangkan kebalikannya disebut threshold

below. Jika piksel-piksel suatu objek berada diantara dua threshold disebut

(31)

... (3)

Jika nilai T konstan, pendekatan ini disebut global thresholding. 2.10 Matlab

Menurut Teuinsuksa (2009), MATLAB adalah sebuah bahasa dengan (high-performance) kinerja tinggi untuk komputasi masalah teknik. Matlab mengintegrasikan komputasi, visualisasi, dan pemrograman dalam suatu model yang sangat mudah untuk pakai dimana masalah-masalah dan penyelesaiannya diekspresikan dalam notasi matematika yang familiar.

Penggunaan Matlab meliputi bidang–bidang:

1. Matematika dan Komputasi 2. Pembentukan Algorithm 3. Akusisi Data

4. Pemodelan, simulasi, dan pembuatan prototipe 5. Analisa data, explorasi, dan visualisasi

6. Grafik Keilmuan dan bidang Rekayasa

(32)

memudahkan akses perangkat lunak matrik yang telah dibentuk oleh LINPACK dan EISPACK. Saat ini perangkat MATLAB telah menggabung dengan LAPACK dan BLAS library, yang merupakan satu kesatuan dari sebuah seni tersendiri dalam perangkat lunak untuk komputasi matrix.

Dalam lingkungan perguruan tinggi teknik, Matlab merupakan perangkat standar untuk memperkenalkan dan mengembangkan penyajian materi matematika, rekayasa dan kelimuan. Di industri, MATLAB merupakan perangkat pilihan untuk penelitian dengan produktifitas yang tingi, pengembangan dan analisanya. Fitur-fitur MATLAB sudah banyak dikembangkan, dan lebih kita kenal dengan nama toolbox. Sangat penting bagi seorang pengguna Matlab, toolbox mana yang mandukung untuk learn dan apply technologi yang sedang dipelajarinya. Toolbox ini merupakan kumpulan dari fungsi-fungsi MATLAB (Mfiles) yang telah dikembangkan ke suatu lingkungan kerja MATLAB untuk memecahkan masalah dalam kelas particular. Area-area yang sudah bisa dipecahkan dengan toolbox saat ini meliputi pengolahan sinyal, kontrol sistem, neural networks, fuzzy logic,

wavelets, dan lain-lain.

Kelengkapan pada Sistem MATLAB Sebagai sebuah system, MATLAB tersusun dari 5 bagian utama

1. Development Environment merupakan sekumpulan perangkat dan

(33)

MATLAB Desktop dan Command Window, Command History, sebuah editor dan debugger, dan browsers untuk melihat help,

workspace, files, dan search path.

2. MATLAB Mathematical Function Library merupakan sekumpulan algoritma komputasi mulai dari fungsi-fungsi dasar seperti: sum,

sin, cos, dan complex arithmetic, sampai dengan fungsi-fungsi yang

lebih komplek seperti matrix inverse, matrix eigenvalues, bessel

functions, dan fast fourier transforms.

3. MATLAB Language merupakan suatu high-level matrix/array

language dengan control flow statements, functions, data

structures, input/output, dan fitur-fitur object-oriented

programming. Ini memungkinkan bagi kita untuk melakukan kedua

hal baik "pemrograman dalam lingkup sederhana " untuk mendapatkan hasil yang cepat, dan "pemrograman dalam lingkup yang lebih besar" untuk memperoleh hasil-hasil dan aplikasi yang komplek.

4. Graphics MATLAB memiliki fasilitas untuk menampilkan vector

dan matrik sebagai suatu grafik. Didalamnya melibatkan high-level

functions (fungsi-fungsi level tinggi) untuk visualisasi data dua

(34)

dengan tingkatan graphical user interfaces pada aplikasi MATLAB anda.

5. MATLAB Application Program Interface (API) merupakan suatu

library yang memungkinkan program yang telah anda tulis dalam

bahasa C dan Fortran mampu berinterakasi dengan MATLAB. Ini melibatkan fasilitas untuk pemanggilan routines dari MATLAB (dynamic linking), pemanggilan MATLAB sebagai sebuah

computational engine, dan untuk membaca dan menuliskan

MAT-files. Memulai Matlab Perhatikan Dekstop pada layar monitor PC, anda mulai MATLAB dengan melakukan double-clicking pada shortcut icon MATLAB.

2.11 GUI / GUIDE MATLAB

(35)

1. GUIDE Matlab banyak digunakan dan cocok untuk aplikasi-aplikasi berorientasi sains, sehingga banyak peneliti dan mahasiswa menggunakan GUIDE Matlab untuk menyelesaikan riset atau tugas akhirnya.

2. GUIDE Matlab mempunyai fungsi built-in yang siap digunakan dan pemakai tidak perlu repot membuatnya sendiri.

3. Ukuran file, baik FIG-file maupun M-file, yang dihasilkan relatif kecil.

4. Kemampuan grafisnya cukup andal dan tidak kalah dibandingkan dengan bahasa pemrograman lainnya.

2.11.1 Membuat GUI dengan MATLAB

Menurut Teuinsuksa (2009), MATLAB mengimplementasikan GUI sebagai sebuah figure yang berisi barbagai obyek UIControl. Selanjutnya kita harus memprogram masing-masing obyek agar dapat bekerja ketika diaktifkan oleh pemakai GUI. Langkah dasar yang harus dikerjakan dalam membuat GUI adalah:

1. Mengatur layout komponen GUI

Setelah kita membuka GUIDE Matlab dan telah menentukan template GUI, langkah selanjutnya adalah adalah mendesai figure dengan menggunakan komponen palet sesuai dengan kebutuhan, seperti push button, radiobutton, chexkboxes, edit

text, static text, slider, frames, popup menu, axes, dan

(36)

masing-masing komponen, baik string(caption), font, color, size, dan sebagainya menggunakan property inspector. Jika kita telah selesai mendesain, jangan lupa untuk menyimpan file figure yang secara default akan memiliki ekstensi *.fig. Dari sini, matlab secara otomatis akan membuatkan sebuah m-file dengan nama yang sama, yaitu file berekstensi *.m.

2. Memprogram Komponen GUI

(37)

Pada bab ini akan dijelaskan mengenai proses pembuatan penelitian pengolahan citra digital untuk mengenali tanda air pada uang kertas rupiah asli dan palsu dengan menerapkan segmentasi citra. Proses perancangan aplikasi dalam sub-bab ini akan dibagi menjadi beberapa tahap antara lain : analisis, gambaran aplikasi secara umum, perancangan proses.

3.1 Data Set

(38)

Tabel 3.1 Data Set Citra Di Dalam Ruangan

No. Gambar Uang Keterangan

1. Asli di dalam ruangan

2. Asli di dalam ruangan

3. Asli di dalam ruangan

(39)

5. Asli di dalam ruangan

6. Asli di dalam ruangan

7. Asli di dalam ruangan

8. Asli di dalam ruangan

(40)

10. Asli di dalam ruangan

11. Asli di dalam ruangan

12. Asli di dalam ruangan

13. Asli di dalam ruangan

(41)

15. Asli di dalam ruangan

16. Palsu di dalam ruangan

17. Palsu di dalam ruangan

18. Palsu di dalam ruangan

19. Palsu di dalam ruangan

(42)

21. Palsu di dalam ruangan

22. Palsu di dalam ruangan

23. Palsu di dalam ruangan

24. Palsu di dalam ruangan

25. Palsu di dalam ruangan

(43)

Tabel 3.2 Data Set Citra Di Luar Ruangan

27. Palsu di dalam ruangan

28. Palsu di dalam ruangan

29. Palsu di dalam ruangan

30. Palsu di dalam ruangan

No. Gambar Uang Keterangan

(44)

2. Asli di luar ruangan

3. Asli di luar ruangan

4. Asli di luar ruangan

5. Asli di luar ruangan

(45)

7. Asli di luar ruangan

8. Asli di luar ruangan

9. Asli di luar ruangan

10. Asli di luar ruangan

(46)

12. Asli di luar ruangan

13. Asli di luar ruangan

14. Asli di luar ruangan

15. Asli di luar ruangan

16. Palsu di luar ruangan

(47)

18. Palsu di luar ruangan

19. Palsu di luar ruangan

20. Palsu di luar ruangan

21. Palsu di luar ruangan

22. Palsu di luar ruangan

(48)

24. Palsu di luar ruangan

25. Palsu di luar ruangan

26. Palsu di luar ruangan

27. Palsu di luar ruangan

28. Palsu di luar ruangan

(49)

3.2 Analisis Sistem

Penelitian pengolahan citra digital untuk mengenali tanda air pada uang kertas rupiah asli dan palsu dengan menerapkan segmentasi citra menggunakan bahasa pemrograman Matlab. Citra diambil dengan cara memotret uang kertas rupiah tepat di bagian tanda air berada sebagai uang asli, dan men-scan uang rupiah kemudian dicetak sebagai contoh uang palsu, kemudian proses selanjutnya adalah grayscale, binerisasi, dilasi,

erosi, dilasi-erosi, skeleton. Proses awal yang digunakan dalam image

processing adalah mengubah citra berwarna ke grayscale. Grayscale merupakan proses pengolahan citra dengan cara mengubah nilai-nilai piksel awal citra menjadi sebuah citra keabuan. Hasil dari proses grayscale yang telah kita lakukan, selanjutnya akan dijadikan binerisasi yang merupakan proses untuk melakukan konversi dari citra gray menjadi citra yang hanya memiliki dua warna (biner) yaitu hitam dan putih. Setelah itu dilakukan proses dilasi supaya garis yang terputus pada objek akan tersambung setelah garis-garis objek yang tersambung dilakukan proses erosi. Erosi adalah kebalikan dari dilasi. Pada operasi ini, ukuran obyek diperkecil dengan mengikis sekeliling obyek. Pada tahap selanjutnya dilakukan tahap

dilasi-erosi untuk supaya dapat mengisi lubang kecil pada objek, menggabungkan

(50)

objek-objek yang berdekatan, untuk tahap selanjutnya dilakukan proses

skeleton, yaitu proses pengikisan sebuah objek sebanyak mungkin dengan

tetap mempertahankan bentuk umum dari polanya, yang terakhir dalam pembuatan aplikasi adalah menampilkan hasil pendeteksian atas ada atau tidaknya tanda air. Dari penelitian tersebut akan dilakukan perhitungan keakuratan sistem dalam mendeteksi tanda air.

3.3. Gambaran Aplikasi Secara Umum

Secara garis besar untuk melakukan pengolahan citra digital pada uang melalui bebarapa proses yaitu meliputi: ( Gambar 3.1)

1. Citra masukan berupa citra berwarna

2. Baca inputan citra yang akan diproses menjadi :

a. Grayscale

Setelah proses grayscale, binerisasi, dilasi, erosi, dilasi-erosi, skelet on. Citra keluaran akan berupa pernyataan ada atau tidak

(51)

Untuk mengetahui garis besar dari proses sistem ini maka dibuatlah flowchart alur sistem pada Gambar 3.1

(52)

3.3.1 Perancangan Pr oses

Untuk mengetahui proses-proses yang dilakukan maka akan dijelaskan sebagai berikut :

3.3.1.1 Grayscale

Grayscale merupakan proses pengolahan citra dengan

cara mengubah nilai-nilai piksel awal citra menjadi sebuah citra keabuan.(Gambar 3.2)

Gambar 3.2 Flowchart Grayscale

(53)

operasi berikutnya. Di dalam MATLAB untuk menggubah piksel RGB (Red Green Blue) menjadi skala keabu – abuan dengan menggunakan fungsi rgb2gray.

Gray = rgb2gray(I) ... (4) Variabel gray berfungsi untuk menampung hasil konversi citra RGB ke citra abu-abu. Citra yang dikonversi adalah citra uang yang ditampung dalam variable I.

3.3.1.2 Binerisasi

Proses selanjutnya adalah melakukan thresholding pada

image yang diperoleh dari proses grayscale dan pada image

masukan awal.

(54)

3.3.1.3 Dilasi

Dilasi merupakan suatu proses menambahkan piksel pada batasan dari objek dalam suatu image sehingga nantinya apabila dilakukan operasi ini maka image hasilnya lebih besar ukurannya dibandingkan dengan image aslinya.. Pengertian penebalan ini dikontrol oleh bentuk strel. Flowchart pada gambar 3.4 adalah proses dari dilasi. Setelah memproses metode binerisasi kemudian akan diproses dilasi. Proses ini menyambung garis pada objek. Berikut adalah potongan baris program dilasi.

(55)

Gambar 3.4 Flowchart Dilasi

3.3.1.4 Erosi

Pada proses ini akan di-erosi (Gambar 3.5). Erosi adalah mengecilkan atau menipiskan obyek citra biner, berbeda dengan dilasi yang melakukan penumbuhan atau penebalan. Erosi dapat dianggap sebagai operasi

morphological filtering dimana detail citra yang lebih kecil

(56)

elemen terstruktur yang digunakan untuk memproses citra tersebut. Alur proses Erosi dapat dilihat pada gambar 3.5.

Gambar 3.5 Flowchart Erosi

3.3.1.5 Dilasi-Erosi

(57)

Gambar 3.6 Flowchart Dilasi-Erosi

3.3.1.6 Skeleton

Skeleton adalah kerangka (atau sumbu medial) yang

merepresentasikan sebuah bentuk atau citra biner, dihitung dengan menggunakan operator morfologi. Proses

skeletoning dapat didefinisikan sebagai gabungan dari erosi

dan opening.

(58)

3.3.1.7 Deteksi Tanda Air

Pada proses deteksi tanda air ini adalah untuk mengidentifikasi adanya piksel putih atau tidak pada hasil

skeletonizing. Alur proses deteksi tanda air bisa dilihat pada

gambar 3.8 .

Gambar 3.8 Flowchart Deteksi Tanda Air

3.4 Perancangan Tampilan Antar muka

(59)

Tabel 3.3 Perancangan Program

File-file Komponen Nama fungsi

PCD Uang

Axes 1 Menampilkan citra

Push button Buka Citra Menampilkan

(60)

BAB IV

HASI L DAN PEMBAHASAN

Pada bab IV ini akan dijelaskan mengenai implementasi, hasil uji coba dan

evaluasi dari rancangan program yang telah dibuat pada bab III. Bagian

implementasi aplikasi kali ini meliputi: lingkungan implementasi, implementasi

data, implementasi antarmuka dan implementasi proses.

4.1. Kebutuha n Ha r dwar e dan Softwar e

Pada bagian ini akan dijelaskan mengenai perangkat keras dan

perangkat lunak yang digunakan pada implementasi aplikasi ini.

Kebutuha n Ha r dwar e :

1. Komputer dengan processor Intel(R) Core(TM)2Duo CPU P8700

2,5GHz

2. RAM (2048MB)

3. VGA Card share memory up to 1274 MegaByte

4. Monitor 14”

5. Hard Disk 320 GigaByte

Kebutuha n Softwar e :

1. Sistem OperasiWindows 7.

2. Matlab 7.0

(61)

4.2. Implementasi Da ta

Seperti yang telah dijelaskan secara konseptual pada Bab 3, maka data

yang akan diimplementasikan pada aplikasi ini berupa gambar-gambar

bagian uang yang terdapat tanda air yang telah diambil melalui kamera yang

nantinya akan diproses melalui beberapa tahapan. Dimana output berupa

tampilan hasil pengolahan citra tanda air dan keterangan ada tidaknya tanda

air di uang tersebut.

4.3. Implementasi Antar muka

Pada implementasi antarmuka ini merupakan interaksi antara pemakai

(user) dengan sistem. Halaman form utama ini merupakan tampilan awal

saat program dijalankan. Pada form utama ini terdapat program secara

keseluruhan beserta dengan prosedur-prosedur programnya. Pada masing –

masing menu memiliki fungsi yang berbeda – beda pada aplikasi ini.

Berikut penjelasan dari setiap form pada menu utama ini :

1. Open : Untuk memilih input gambar yang akan diproses.

2. Proses : Untuk melakukan tahapan-tahapan proses eksekusi inputan.

3. Keluar : Untuk keluar dari aplikasi ini.

Pada tampilan form utama terdapat 8 kolom yang mempunyai fungsi

berbeda-beda. Kolom pertama dengan nama citra awal berfungsi untuk

menampilkan image yang akan diproses. Kolom kedua dengan nama

grayscale berfungsi untuk merubah citra yang berwarna menjadi

keabu-abuan. Kolom ketiga diberinama binerisasi berfungsi untuk merubah citra

(62)

nama dilasi untuk menyambung garis pada obyek. Kolom kelima

menampilkan hasil dari erosi berupa citra yang telah ditipiskan. Kolom

keenam menampilkan dilasi-erosi, sedang kolom ketujuh adalah tampilan

dari proses skeleton. Kolom kedelapan adalah textbox yang akan

menampilkan keterangan ada tidaknya tanda air.

4.4. Implementasi Pr oses

Bagian implementasi proses ini menjelaskan mengenai implementasi

proses-proses sesuai dengan konsep yang telah dibuat pada bab 3. Seperti

yang telah digambarkan dalam flowchart.

4.4.1. Pr oses Pilih Citr a

Proses Pilih Citra merupakan proses yang bertujuan untuk

memilih inputan berupa gambar yang akan ditampilkan pada form

utama. Inputan inilah yang akan menjadi citra uji. (Source code

(63)

proyek=guidata(gcbo); [ namafile,direktori

]=uigetfile({'*.jpg';'*.bmp';'*.png';'*.tif'},'O pen Image'); % ambil file

if isequal(namafile,0) %jika tidak ada file

return;

end

eval(['cd ''' direktori ''';']);

I=imread(namafile); %membaca file dimasukan ke variable I

set(proyek.figure1,'CurrentAxes',proyek.axes1); set(imshow(I)); %menampilkan file

set(proyek.figure1,'userdata',I); set(proyek.axes1,'userdata',I); set(handles.edit1,'string','');

Source Code 4.1. Proses Pilih Citra

4.4.2. Pr oses Pengolahan Citr a Digita l dan Deteksi Tanda Air

Pada tahap selanjutnya dilakukan proses pengolahan citra

digital dan deteksi tanda air dengan menekan tombol Proses. Citra

yang berwarna RGB akan diubah menjadi grayscale serta

di-threshold untuk kemudian dilakukan proses dilasi. Setelah itu

dilakukan proses erosi dilanjut mengulangi proses dilasi-erosi.

Terakhir dilakukan proses skeleton untuk penipisan. Dari

Skeletonizing akan didapat piksel yang terdeteksi, citra yang

memiliki tanda air akan terdapat piksel. Source code 4.2

menerangkan code untuk proses pengolahan citra digital dan

(64)

%grayscale

proyek=guidata(gcbo);

I=get(proyek.axes1,'userdata'); J = imresize(I,[300 200]); gray = rgb2gray(J);

se3= strel ('disk',4);

j3= imclose(imopen(gray, se3),se3);

set(proyek.figure1,'CurrentAxes',proyek.axes2); set(imshow(j3));

set(proyek.axes2,'Userdata',J);

%threshold r=imreconstruct (iro,fill);

set(proyek.figure1,'CurrentAxes',proyek.axes3); set(imshow(r));

set(proyek.figure1,'CurrentAxes',proyek.axes4); set(imshow(b));

set(proyek.axes4,'Userdata',J);

%erosi

se= strel ('disk',5); e= imerode(b,se);

set(proyek.figure1,'CurrentAxes',proyek.axes5); set(imshow(e));

(65)

%dilasi-erosi

de = b - e ;

set(proyek.figure1,'CurrentAxes',proyek.axes6); set(imshow(de));

set(proyek.axes6,'Userdata',J);

%skeleton

p = bwmorph(de,'skel',Inf);

set(proyek.figure1,'CurrentAxes',proyek.axes7); set(imshow(p));

set(proyek.axes7,'Userdata',J);

%Deteksi

piksel=sum(sum(p));

%set(proyek.edit2,'String',piksel);

if(piksel <= 0)

set(proyek.edit1,'String','Tanda Air Tidak Terdeteksi');

else

set(proyek.edit1,'String','Tanda Air Terdeteksi'); end

Sour ce Code 4.2. Proses Pengolahan Citra Digital dan Deteksi Tanda Air

4.5. Uji Coba Progra m

Pada sub bab ini akan dibahas mengenai uji coba terhadap aplikasi yang

telah dibuat dan selanjutnya akan dievaluasi dari hasil uji coba tersebut. Uji

coba dilaksanakan untuk mengetahui kemampuan aplikasi dapat berjalan

dengan baik sesuai dengan rancangan. Evaluasi dilakukan untuk

(66)

4.5.1. Skenar io Uji Coba

Untuk memastikan bahwa aplikasi ini berjalan dengan baik,

diperlukan adanya skenario yang akan dicoba, antara lain :

1. Memilih inputan citra pada data set yang telah disediakan

2. Melakukan proses grayscale, threshold, dilasi, erosi,

dilasi-erosi, skeleton dan hasil keluaran. Hasil dari proses berupa

tampilan keterangan ada tidaknya tanda air.

4.5.2. Pelaksanaan Uji Coba

Langkah pertama dalam membuat program deteksi tanda air

adalah dengan merancang tampilan program dengan menggunakan

GUI pada Matlab.

(67)

Setelah perancangan program dibuat dengan menggunakan

GUI, dilakukan callback untuk memenuhi source code. Setelah

membuat source code, maka langkah terakhir adalah dengan

mencoba program tersebut. Dengan menekan tombol Run, maka

akan muncul figure tampilan seperti pada gambar 4.1.

Klik menu open pada tampilan program berfungsi untuk

memasuk kan citra pada data set yang akan diproses. Pada data set

disediakan citra uang sebanyak 20 gambar yang terdiri dari 10 citra

uang asli dan 10 citra uang palsu. Kemudian citra akan tampil pada

form pertama seperti pada gambar 4.2.

(68)

Tombol proses berfungsi untuk menjalankan proses deteksi

tanda air. Inputan citra yang akan diproses terlebih dahulu tampil

pada kolom citra yang berupa citra berwarna RGB (gambar 4.2).

Setelah menekan tombol proses maka akan muncul ketujuh

tahapan proses yaitu grayscale, threshold, dilasi, erosi,

dilasi-erosi, skeleton dan keluaran akhir yang akan menampilkan hasil

dari deteksi tanda air yang diproses pada masing-masing kolom

yang tersedia sesuai dengan keterangan yang tertera pada tampilan

figure. Dalam eksekusi tombol proses didapatkan juga keterangan

apakah citra uang yang diproses tanda airnya tedeteksi atau tidak

yang berupa message text seperti pada gambar 4.3. Jika semua

proses pengujian selesai dan sudah didapatkan hasilnya, maka

ditekantombol keluar untuk keluar dari aplikasi.

(69)

4.6. Analisa Aplikasi

Berdasarkan hasil uji coba yang telah dilakukan untuk mendeteksi tanda

air, maka akan dilakukan analisa proses, antara lain sebagai berikut:

4.6.1. Analisis Pr oses Ber dasar kan Gamba r

Pada analisa proses berdasarkan gambar didapatkan hasil

gambar dari program, mulai dari citra input sebagai citra awalan

yang akan diproses dengan pengolahan citra digital. Hasil output

citra program bias dilihat pada tabel 4.1 dan tabel 4.2.

Tabel 4.1. Tabel Uji Coba Citra Deteksi Tanda Air Dalam Ruangan

Nama Citra Awal Hasil Pengolahan

Citra Digital

Keterangan

1_Asli_Dalam.jpg

Tanda Air

Terdeteksi

2_Asli_Dalam.jpg

Tanda Air

(70)

3_Asli_Dalam.jpg

Tanda Air

Terdeteksi

4_Asli_Dalam.jpg

Tanda Air

Terdeteksi

5_Asli_Dalam.jpg

Tanda Air

Terdeteksi

6_Asli_Dalam.jpg

Tanda Air

Terdeteksi

7_Asli_Dalam.jpg

Tanda Air

(71)

8_Asli_Dalam.jpg

Tanda Air

Terdeteksi

9_Asli_Dalam.jpg

Tanda Air

Terdeteksi

10_Asli_Dalam.jpg

Tanda Air

Terdeteksi

11_Asli_Dalam.jpg

Tanda Air

Terdeteksi

12_Asli_Dalam.jpg

Tanda Air

(72)

13_Asli_Dalam.jpg

Tanda Air

Terdeteksi

14_Asli_Dalam.jpg

Tanda Air

Terdeteksi

15_Asli_Dalam.jpg

Tanda Air

Terdeteksi

16_Palsu_Dalam.jpg

Tanda Air

Tidak

Terdeteksi

17_Palsu_Dalam.jpg

Tanda Air

Tidak

(73)

18_Palsu_Dalam.jpg

Tanda Air

Tidak

Terdeteksi

19_Palsu_Dalam.jpg

Tanda Air

Tidak

Terdeteksi

20_Palsu_Dalam.jpg

Tanda Air

Tidak

Terdeteksi

21_Palsu_Dalam.jpg

Tanda Air

Tidak

Terdeteksi

22_Palsu_Dalam.jpg

Tanda Air

Tidak

(74)

23_Palsu_Dalam.jpg

Tanda Air

Tidak

Terdeteksi

24_Palsu_Dalam.jpg

Tanda Air

Tidak

Terdeteksi

25_Palsu_Dalam.jpg

Tanda Air

Tidak

Terdeteksi

26_Palsu_Dalam.jpg

Tanda Air

Tidak

Terdeteksi

27_Palsu_Dalam.jpg

Tanda Air

Tidak

(75)

28_Palsu_Dalam.jpg

Tanda Air

Tidak

Terdeteksi

29_Palsu_Dalam.jpg

Tanda Air

Tidak

Terdeteksi

30_Palsu_Dalam.jpg

Tanda Air

Tidak

Terdeteksi

Tabel 4.2. Tabel Uji Coba Citra Deteksi Tanda Air Luar Ruangan

Nama Citra Awal Hasil Pengolahan

Citra Digital

Keterangan

1_Asli_Luar.jpg

Tanda Air

(76)

2_Asli_ Luar.jpg

Tanda Air

Terdeteksi

3_Asli_ Luar.jpg

Tanda Air

Terdeteksi

4_Asli_ Luar.jpg

Tanda Air

Terdeteksi

5_Asli_ Luar.jpg

Tanda Air

Terdeteksi

6_Asli_ Luar.jpg

Tanda Air

(77)

7_Asli_ Luar.jpg

Tanda Air

Terdeteksi

8_Asli_ Luar.jpg

Tanda Air

Terdeteksi

9_Asli_ Luar.jpg

Tanda Air

Terdeteksi

10_Asli_ Luar.jpg

Tanda Air

Terdeteksi

11_Asli_ Luar.jpg

Tanda Air

(78)

12_Asli_ Luar.jpg

Tanda Air

Terdeteksi

13_Asli_ Luar.jpg

Tanda Air

Terdeteksi

14_Asli_ Luar.jpg

Tanda Air

Terdeteksi

15_Asli_ Luar.jpg

Tanda Air

Terdeteksi

16_Palsu_ Luar.jpg Tanda Air

Tidak

(79)

17_Palsu_ Luar.jpg Tanda Air

Tidak

Terdeteksi

18_Palsu_ Luar.jpg Tanda Air

Tidak

Terdeteksi

19_Palsu_ Luar.jpg Tanda Air

Tidak

Terdeteksi

20_Palsu_ Luar.jpg Tanda Air

Tidak

Terdeteksi

21_Palsu_ Luar.jpg Tanda Air

Tidak

(80)

22_Palsu_ Luar.jpg Tanda Air

Tidak

Terdeteksi

23_Palsu_ Luar.jpg Tanda Air

Tidak

Terdeteksi

24_Palsu_ Luar.jpg Tanda Air

Tidak

Terdeteksi

25_Palsu_ Luar.jpg Tanda Air

Tidak

Terdeteksi

26_Palsu_ Luar.jpg Tanda Air

Tidak

(81)

27_Palsu_ Luar.jpg Tanda Air

Tidak

Terdeteksi

28_Palsu_ Luar.jpg Tanda Air

Tidak

Terdeteksi

29_Palsu_ Luar.jpg Tanda Air

Tidak

Terdeteksi

30_Palsu_ Luar.jpg Tanda Air

Tidak

Terdeteksi

Tabel 4.1 menjelaskan citra input untuk inputan awal, di mana

gambar diambil di bawah lampu statis di dalam ruangan. Dalam uji

coba citra dalam ruangan terdapat 30 jumlah citra uji, di mana

terdiri dari 15 citra uji asli, dan 15 citra uji palsu. Dari hasil uji

(82)

dengan 15 citra uji palsu, di mana apabila citra uji yang diinputkan

adalah citra uji asli, maka akan terdeteksi piksel putih sebagai tanda

bahwa terdapat tanda air pada uang tersebut. Apabila hasilnya

tanda air tidak terdeteksi, maka citra uji yang diinputkan adalah

uang palsu.

Sedangkan Tabel 4.2 citra uji diambil di luar ruangan, di

bawah sinar matahari. Citra uji pada skenario kedua ini berjumlah

30, sama seperti citra uji di dalam ruangan; 15 citra uji asli, dan 15

citra uji palsu. Tingkat keberhasilan pada skenario ini juga 100%.

Citra asli yang diuji terdeteksi tanda airnya pada hasil dari proses,

dan citra uji palsu tidak terdeteksi tanda airnya.

Dapat disimpulkan pada uji coba menggunakan 60 citra uji

yang dibagi menjadi dua skenario pengambilan gambar di atas

(Pengambilan gambar di dalam dan di luar ruangan), tingkat

keberhasilan program 100%, di mana citra uji uang asli terdeteksi

adanya tanda air dan citra uji uang palsu tidak terdeteksi adanya

(83)

4.7 Pengujian Validita s Aplikasi

Pengujian Validitas Aplikasi dilakukan untuk mencari seberapa jauh

kesamaan atau kesepakatan responden dalam menilai aplikasi mengetahui

kinerja mendeteksi ada atau tidaknya tanda air di uang kertas rupiah.

Kuesioner ini terdiri dari tiga puluh pertanyaan yang akan diisi oleh dua

responden yang berbeda. Jawaban dari responden hanya akan terdiri dari

dua pilihan, yakni “ya” dan “tidak”. Bila responden menjawab “ya”, maka

nilai nya adalah 1. Bila responden menjawab “tidak”, nilai

default-nya adalah 0. Angka-angka ini digunakan sebagai pembeda antara jawaban

pertama dan jawaban kedua dalam SPSS. Berikut adalah tabel yang

merupakan hasil jawaban responden:

Tabel 4.3 Tabel Data Observasi Responden

No. Koresponden_1 Koresponden_2

(84)

10 1 1

11 0 0

12 0 0

13 1 1

14 1 1

15 1 1

16 0 0

17 0 1

18 1 1

19 0 1

20 0 1

21 0 1

22 0 1

23 0 1

24 0 1

25 0 1

26 0 1

27 1 1

28 0 1

29 0 1

(85)

Setelah hasil jawaban koresponden telah terkumpul, langkah

berikutnya adalah mengelompokkannya berdasarkan hasil kesepakatan.

Berikut adalah tabel pengelompokannya:

Tabel 4.4 Tabel Kesepakatan Responden Koresponden _2

Untuk menghitung nilai Kappa-nya, harus diketahui terlebih dahulu

nilai Pe (expected agreement) dan Po (observed agreement).

(86)

Ga mbar 4.4 Hasil Penghitungan Kappa Cohen

Hasil olah data kuesioner menggunakan Kappa Kohen menghasilkan

bahwa dari 30 pertanyaan menunujukkan nilai K=0.052. Berdasarkan table

kesepakatan Fleiss (1981) diperoleh kesimpulan bahwa nilai K=0.052

masuk dalam kategori cukup. Kategori tersebut dapat diartikan bahwa

ditemukan kesepakatan antara koresponden pertama dan kedua bahwa

segmentasi citra ini cukup efektif digunakan untuk mendeteksi ada atau

(87)

PENUTUP

Setelah dilakukan pembahasan teori, perancangan aplikasi, dan pengujian terhadap aplikasi pada bab-bab sebelumnya, maka pada bab penutup ini akan diambil kesimpulan serta saran pengembangan dari tugas akhir “Pengolahan Citra Digital Untuk Deteksi Tanda Air Uang Rupiah” ini.

5.1. Kesimpulan

1. Untuk mendeteksi citra tanda air dapat digunakan dengan metode segmentasi citra. Citra yang terdeteksi akan dilanjutkan dalam proses selanjutnya dalam menentukan ada atau tidaknya tanda air.

2. Segmentasi citra akan memproses citra inputan yang akan diproses sedemikian rupa sehingga memungkinkan untuk diketahui jumlah pikselnya.

3. Jika terdapat piksel setelah citra awal diproses, maka citra tersebut memiliki tanda air, begitu pula sebaliknya.

4. Dari 60 citra uji yang dibagi menjadi 2 skenario, program pendeteksi ada atau tidaknya tanda air pada uang rupiah mencapai 100% tingkat keberhasilannya.

(88)

5.2. Sar an

Untuk pengembangan penelitian kedepan, terdapat beberapa saran dari penulis, diantaranya:

1. Penelitian dapat dilakukan pada objek semua uang kertas rupiah. 2. Penelitian dapat dikembangkan dengan citra uji yang diambil secara

langsung dari hasil capture kamera webcam.

(89)

DAFTAR PUSTAKA

Gov Indonesia, Open, 2014, Ciri-ciri Keaslian Uang Rupiah, diakses tanggal 2 Mei 2014, http://satulayanan.net/layanan/rupiah-dan-nilai-tukar/ciri-ciri-keaslian-uang-rupiah

Anonim, 1996, Artificial Intelligence, diakses tanggal 2 Mei 2014,

http://www.its.bldrdoc.gov/fs-1037/dir-003/_0371.html

Munir, Rinaldi, 2004, Pengolahan Citra Digital dengan Pendekatan Algoritmik, Informatika, Bandung.

Prasetyo, Eko, 2011, Pengolahan Citra Digital dan Aplikasinya Menggunakan

Matlab, Andi, Yogyakarta.

Priyo, Agung, 2005, Pengolahan Citra, diakses tanggal 2 Mei 2014,

http://elib.unikom.ac.id/download.php?id=4659

Nurul, Erliyah, 2012, Matlab: Menghitung Rata-Rata Nilai RGB, diakses tanggal 15 April, 2014, http://erliyah-nj.blogspot.com/2012/02/matlab-menghitung-nilai-rata-rata-tiap.html

Dianta Ginting, Elias, 2009, Deteksi Tepi Menggunakan Metode Canny Dengan

(90)

Tempo, 2014, BI Waspadai Peredaran Uang Palsu, 15 Juli 2014,

Figur

Gambar 2.2 Elemen Terstruktur 4- dan 8- Konektivitas
Gambar 2 2 Elemen Terstruktur 4 dan 8 Konektivitas . View in document p.27
Gambar 2.3 Erosi Menggunakan Elemen Terstruktur 8- Konektivitas
Gambar 2 3 Erosi Menggunakan Elemen Terstruktur 8 Konektivitas . View in document p.28
Gambar Uang
Gambar Uang . View in document p.38
Tabel 3.2 Data Set Citra Di Luar Ruangan
Tabel 3 2 Data Set Citra Di Luar Ruangan . View in document p.43
Gambar Uang
Gambar Uang . View in document p.43
Gambar 3.1 Flowchart Alur Program
Gambar 3 1 Flowchart Alur Program . View in document p.51
Gambar 3.2 Flowchart Grayscale
Gambar 3 2 Flowchart Grayscale . View in document p.52
Gambar 3.3 Flowchart Binerisasi
Gambar 3 3 Flowchart Binerisasi . View in document p.53
Gambar 3.5 Flowchart Erosi
Gambar 3 5 Flowchart Erosi . View in document p.56
Gambar 3.6 Flowchart Dilasi-Erosi
Gambar 3 6 Flowchart Dilasi Erosi . View in document p.57
Gambar 3.7  Flowchart Skeleton
Gambar 3 7 Flowchart Skeleton . View in document p.57
gambar 3.8 .
gambar 3.8 . . View in document p.58
Tabel 3.3 Perancangan Program  Komponen
Tabel 3 3 Perancangan Program Komponen . View in document p.59
Gambar 4.2. Tampilan Citra Yang Telah Dipilih
Gambar 4 2 Tampilan Citra Yang Telah Dipilih . View in document p.67
Tabel 4.1. Tabel Uji Coba Citra Deteksi Tanda Air Dalam Ruangan
Tabel 4 1 Tabel Uji Coba Citra Deteksi Tanda Air Dalam Ruangan . View in document p.69
Tabel 4.2. Tabel Uji Coba Citra Deteksi Tanda Air Luar Ruangan
Tabel 4 2 Tabel Uji Coba Citra Deteksi Tanda Air Luar Ruangan . View in document p.75
Tabel 4.1 menjelaskan citra input untuk inputan awal, di mana
Tabel 4 1 menjelaskan citra input untuk inputan awal di mana . View in document p.81
Tabel 4.3 Tabel Data Observasi Responden
Tabel 4 3 Tabel Data Observasi Responden . View in document p.83
Tabel 4.4  Tabel Kesepakatan Responden
Tabel 4 4 Tabel Kesepakatan Responden . View in document p.85
Gambar 4.4 Hasil Penghitungan Kappa Cohen
Gambar 4 4 Hasil Penghitungan Kappa Cohen . View in document p.86

Referensi

Memperbarui...