IDENTIFIKASI NOMINAL MATA UANG KERTAS
DENGAN JARINGAN SYARAF TIRUAN
MENGGUNAKAN METODELOGI BACKPROPAGATION
OLEH :
RENDIKA PERLYANZA 09111001021
JURUSAN SISTEM KOMPUTER
FAKULTAS ILMU KOMPUTER
UNIVERSITAS SRIWIJAYA
2018
IDENTIFIKASI NOMINAL MATA UANG KERTAS
DENGAN JARINGAN SYARAF TIRUAN
MENGGUNAKAN METODELOGI BACKPROPAGATION
TUGAS AKHIR
Diajukan Untuk Melengkapi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer
OLEH :
RENDIKA PERLYANZA 09111001021
JURUSAN SISTEM KOMPUTER
FAKULTAS ILMU KOMPUTER
UNIVERSITAS SRIWIJAYA
2018
v
HALAMAN PERSEMBAHAN
Motto
Sudah waktunya untuk bangun, walau istana yang dibangun hampir selesai, tidakkah nyata itu lebih menyenangkan walau gubuk yang ditempati.
Adakalah pulang lebih awal meski pesta belum usai, melawan keterbatasan.
If you don’t go, you never late and if you never fight you never lose.
This final project I’m dedicated for : Mama and Papa
Sister Revina, Brother Renanda, Zainal Aripin Family, and Abdul Rahman Family.
Teman –teman seperjuangan Sistem Komputer 2011 Almamaterku Universitas Sriwijaya
vi
KATA PENGANTAR
Assalamu’alaikum, Wr. Wb.
Puji dan syukur penulis panjatkan atas kehadirat Allah SWT yang telah melimpahkan rahmat, karunia dan hidayah-Nya, sehingga penulis dapat menyelesaikan laporan Tugas Akhir yang berjudul “Identifikasi Nominal Mata Uang Kertas Menggunakan Jaringan Syaraf Tiruan Dengan Metodelogi Backpropagation” sebagai salah satu syarat untuk menyelesaikan jenjang Strata 1 pada Jurusan Sistem Komputer, Fakultas Ilmu Komputer, Universitas Sriwijaya. Dalam pelaksanaan dan penyusunan tugas akhir ini tidak mungkin berhasil tanpa adanya bantuan dari pihak-pihak lain berupa do’a, petunjuk, bimbingan, nasihat, semangat dan fasilitas-fasilitas yang disediakan untuk menyelesaikan Tugas Akhir ini. Oleh karena itu, pada kesempatan ini penulis ingin menyampaikan ucapan terima kasih dan penghargaan yang sebesar-besarnya kepada yang terhormat :
1. Kedua orang tua atas do’a, kasih sayang, kesabaran, keikhlasannya dalam memberikan dukungan baik secara moril maupun materil, saudara-saudariku, Revina , Renanda dan semua keluarga yang selama ini telah banyak membantu dan memberikan dukungan dan semangat.
2. Bapak Jaidan Jauhari, M.T. selaku Dekan Fakultas Ilmu Komputer Universitas Sriwijaya.
3. Bapak Rossi Passarella, M.Eng selaku Ketua Jurusan Sistem Komputer Universitas Sriwijaya serta pembimbing akademik saya.
4. Bapak Sutarno, M.T selaku Sekretaris Jurusan Sistem Komputer Fakultas Ilmu Komputer UNSRI serta penguji pertama dalam tugas akhir saya.
5. Bapak Firdaus M.Kom selaku pembimbing pertama Tugas Akhir, yang telah berkenan meluangkan waktunya guna membimbing, memberi saran, membagi ilmu dan pengarahan dalam penyusunan laporan Tugas Akhir ini.
vii
6. Ibu Sri Desy Siswanti, S.T, M.T selaku pembimbing kedua tugas akhir, yang telah berkenan membantu meluangkan waktu dan memberi suport, saran, serta berbagi ilmu dalam membuat tugas akhir ini
7. Bapak Aditya Putra Perdana P, M.T selaku anggota penguji II pada sidang tugas akhir penulis.
8. Segenap Dosen, Staf, Admin, dan Karyawan Fakultas Ilmu Komputer Universitas Sriwijaya atas ilmu yang telah diberikan dan segala bantuannya. 9. Kamu yang istimewah dan tidak saya tuliskan namanya terimakasih atas
dukungan dan semangat dalam pembuatan Tugas Akhir ini.
10. Masopala Unsri, 184,185,186,188 Pilar Apache atas dukungannya baik moril dan materil dalam penyelesaian Tugas Akhir.
11. Para petualang Edelweis Adventure Shop, Bang Adi Malest, Tawon, Bictor, Bang Can yang telah banyak memberi dukungan dalam menyelesaikan tugas akhir ini.
12. Komunitas penerbang tanpa sayap dan komunitas pecinta teh manis yang setiap saat memberikan motivasi untuk menyelesaikan tugas akhir ini.
13. Hafiz, Yogi, Aprizal, Robby, atas kebersamaannya dalam pembuatan Tugas Akhir, dan Seluruh teman – teman seperjuangan Jurusan Sistem Komputer angkatan 2011 (SK’11), serta teman-teman dan sahabat yang tidak mungkin penulis sebutkan satu persatu, yang selalu memberikan bantuan-bantuan yang sangat bermanfaat serta semangat kepada penulis.
Penulis menyadari bahwa pembahasan yang disajikan tidak lepas dari kekurangan, oleh karena itu penulis dengan senang hati menerima kritik dan saran yang bersifat membangun, demi memperbaiki kekurangan dan kesalahan yang ada di tugas akhir ini. Semoga tugas akhir ini bisa bermanfaat bagi pembaca dan menjadi referensi untuk penelitian selanjutnya ataupun bagi penulis sendiri.
Wassalamualaikum Wr.Wb.
Inderalaya, Maret 2018
ix
CURRENCY VALUE IDENTIFICATION BY USING
ARTIFICIAL NEURAL NETWORK WITH BACKPROPAGATION
METHODOLOGY
Rendika Perlyanza (09111001021)
Jurusan Sistem Komputer, Fakultas Ilmu Komputer Universitas Sriwijaya Email: rendika.perlyanza@gmail.com
Abstract
In this final project identification paper currency designed to recognize the character of paper currencies rupiah. Method of Optical Character Recognition was used as the introduction of nominal money and Neural Network Backpropagation in comparison to find out the accuracy of any of the characters in the know by OCR. This identification divice using usb camera as image capture and processed using matlab software. The final project was performed with 10 times the experiment, each experiment is performed with a different paper currencies ranging from a thousand rupiah to one hundred thousand rupiah, total testing 70 times. The average level of accuracy using 95% optical character recognition and neural network Backpropagation 97%.
x
IDENTIFIKASI NOMINAL MATA UANG KERTAS
MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN
METODELOGI BACKPROPAGATION
Rendika Perlyanza (09111001021)Jurusan Sistem Komputer, Fakultas Ilmu Komputer Universitas Sriwijaya Email: rendika.perlyanza@gmail.com
Abstrak
Pada tugas akhir ini identifikasi mata uang kertas di rancang untuk mengenali karakter mata uang kertas rupiah. Metode Optical Character Recognition digunakan sebagai pengenalan nominal pada uang dan Jaringan Syaraf Tiruan Backpropagation sebagai perbandingan untuk mengetahui akurasi dari setiap karakter yang di kenali oleh OCR . Alat identifikasi ini menggunakan kamera usb sebagai penangkap gambar dan di proses menggunakan software matlab. Tugas akhir ini dilakukan dengan 10 kali percobaan, setiap percobaan dilakukan dengan mata uang kertas yang berbeda mulai dari seribu rupiah sampai seratus ribu rupiah, total pengujian 70 kali. Rata - rata tingkat akurasi menggunakan optical character recognition 95% dan pada jaringan syaraf tiruan backpropagation 97%.
xiv
DAFTAR GAMBAR
Halaman
Gambar 1.1 Kamera PC dan Laptop ...3
Gambar 1.2 Flowchart proses penulisan tugas akhir ...4
Gambar 2.1 Image grayscale dan image thresholdinging ...9
Gambar 2.2 Gambaran metode cropping ...12
Gambar 2.3 Gambar croping hasil dari pemotongan sebuah gambar ...13
Gambar 2.4 contoh data untuk resize ...14
Gambar 2.6 Mata Uang Kertas Rupiah ...17
Gambar 2.7 Arsitektur Jaringan syaraf tiruan ...19
Gambar 2.8 Arsitektur lapis banyak ...20
Gambar 2.9 Arsitektur jaringan backpropagation ...21
Gambar 3.1 Diagram kerangka kerja penelitian ...27
Gambar 3.2 Diagram Blok Sistem ...28
Gambar 3.3 pc camera ...29
Gambar 3.4 Diagram alur grayscale ...30
Gambar 3.5 Diagram alur proses cropping ...31
Gambar 3.6 Diagram alur algoritma thresholding ...32
Gambar 3.7 Proses Optical Character Recognation ...33
Gambar 3.8 Proses jaringan syaraf tiruan backpropagation ...34
Gambar 4.1 Hasil pengambilan gambar ...36
Gambar 4.2 Program untuk mengatur kamera USB pada matlab ...37
Gambar 4.3 program mengambil gambar dari kamera usb. ...37
Gambar 4.4 Algoritma grayscale pada program matlab ...38
Gambar 4.5 Hasil konversi citra rgb menjadi grayscale ...39
Gambar 4.6 Hasil Cropping gambar dari hasil resize ...39
Gambar 4.7 Algoritma cropping manual dengan menggunakan imcrop. ...39
Gambar 4.8 Hasil Thresholdinging dari citra grayscale ...40
Gambar 4.9 Algoritma Proses Thresholding. ...40
Gambar 4.10 Hasil reseize gambar cropping ...41
Gambar 4.11 program optical character recognition ...43
Gambar 4.12 program membuat template optical character recognition ...44
Gambar 4.13 Citra template optical character recognition ...44
Gambar 4.14 Program pembacaan template pada ocr ...45
Gambar 4.15 Arsitektur Jaringan Syaraf Tiruan 1 layer tersembunyi ...45
x
DAFTAR ISI
Halaman
HALAMAN JUDUL ... ... i
HALAMAN PENGESAHAN ... ... ii
HALAMAN PERSETUJUAN... . iii
HALAMAN PERNYATAAN ... ... iv
HALAMAN MOTTO DAN PERSEMBAHAN ... ... v
KATA PENGANTAR ... ... vi
ABSTRACT ... ...viii
ABSTRAK ... ... ix
DAFTAR ISI ... x
DAFTAR GAMBAR ... xi
DAFTAR TABEL ... xii
BAB I PENDAHULUAN ... 1
1.1 LATAR BELAKANG ... 1
1.2 TUJUAN TUGAS AKHIR ... 2
1.3 MANFAAT TUGAS AKHIR ... 2
1.4 BATASAN MASALAH ... 3
1.5 SISTEMATIKA PENULISAN ... 3
BAB II TINJAUAN PUSTAKA ... 5
2.1 CITRA DIGITAL ... 5
2.2 JENIS CITRA ... 5
2.2.1 CITRA WARNA ... 6
2.2.2 CITRA BERSEKALA KEABU-ABUAN ... 6
2.2.3 CITRA BINER ... 7
2.3 SEGMENTASI CITRA ... 7
xi
2.4.1 PENG-AMBANGAN DENGAN METODE OTSU ... 10
2.5 CROPPING IMAGE ... 12
2.6 RESIZE IMAGE ... 13
2.7 OPTICAL CHARACTER RECOGNITION (OCR) ... 14
2.7.1 SEGMENTASI OPTICAL CHARACTER RECOGNITION ... 15
2.7.2 CARA KERJA OPTICAL CHRACTER RECOGNITION ... 16
2.8 MATA UANG KERTAS ... 16
2.9 JARINGAN SYARAF TIRUAN ... 17
2.10 METODELOGI BACKPROPAGATION ... 19
2.10.1 ARSITEKTUR BACKPROPAGATION ... 20
2.10.2 PELATIHAN JST BACKPROPAGATION ... 22
2.10 DIAGRAM ALUR ( FLOWCHART) ... 24
2.10.1 SIMBOL – SIMBOL FLOWCHART ... 24
BAB III METODOLOGI PENELITIAN... 26
3.1 PENDAHULUAN ... 26
3.2 KERANGKA KERJA ( Framework ) ... 26
3.3 PERANCANGAN SISTEM ... 28
3.4 DETEKSI GAMBAR ... 29
3.5 SEGMENTASI DAN EKSTRAKSI ... 30
3.5.1 GRAYSCALE ... 30
3.5.2 CROPPING IMAGE ... 31
3.5.3 THRESHOLDING OTSU ... 32
3.5.4 OPTICAL CHARACTER RECOGNITION ... 32
3.6 PELATIHAN JARINGAN BACKPROPAGATION ... 34
BAB IV PENGUJIAN DAN ANALISA ... 35
xii
4.2 PENGUJIAN DAN ANALISA ... 35
4.2.1 PROSES PENGAMBILAN GAMBAR. ... 36
4.2.2 PROSES PENGAMBANGAN CITRA ABU – ABU ... 38
4.2.3 PROSES CROPPING GAMBAR ... 39
4.2.4 PROSES EKSTRAKSI CIRI GAMBAR (THRESHOLDING) .... 40
4.2.5 PROSES OPTICAL CHARACTER RECOGNITION ... 41
4.2.6 ARSITEKTUR JARINGAN SYARAF TIRUAN BACKPROPAGATION ... 45
4.2.7 HASIL IDENTIFIKASI DARI JARINGAN SYARAF TIRUAN . 46 4.2.8 PENGARUH PENCAHAYAAN ... 47
BAB V KESIMPULAN DAN SARAN ... 48
5.1 KESIMPULAN ... 48
5.2 SARAN ... 49
DAFTAR PUSTAKA ... 50 LAMPIRAN
xv
DAFTAR TABEL
Halaman
Tabel 2.1 pemetaan warna dalam bentuk tabel ...6
Tabel 2.2 Acuan Segmentasi Citra ...7
Tabel 2.3 Simbol – simbol flowchart ...24
Tabel 3.2 Spesifikasi pc ...27
Tabel 3.2 Spesifikasi kamera pc ...29
Tabel 4.1 Hasil identifikasi Optical Character recognition ...41
Tabel 4.4 Tabel hasil identifikasi jaringan syaraf tiruan backpropagation ...46
1
BAB I PENDAHULUAN
1.1 LATAR BELAKANG
Jaringan Syaraf Tiruan (JST) suatu pemoresesan dalam bilang ilmu komputer terutama dalam bidang citra digital, yang mana komputer dibuat menyerupai manusia dan berfikir layaknya manusia dengan cara membuat tiruan jaringan saraf biologis yang hampir sama dengan manusia. Saat manusia berfikir, jaringan syaraf manusia akan mencoba mengingat, mengartikan, mencoba menyimpan serta memanggil kembali apa yang sebelumnya dipelajari oleh otak.
Propagasi balik (backpropagation) merupakan salah satu metode dari jaringan syaraf tiruan, istilah backpropagation sendiri diambil dari cara kerja metode ini sendiri, yaitu dengan cara menyiarkan kembali nilai – nilai error yang diasosiasikan dengan unit – unit output.
Thresholding, sebuah teknik atau metode yang sering digunakan pada pengolahan citra untuk saat ini terlebih diera serba digital ini. Metode yang digunakan untuk merubah citra yang semulanya RGB menjadi binner dengan kata lain thresholding dapat digunakan untuk proses yang sederhana dan optimal untuk memisahkan objek dan latar belakang. Proses thresholding sering disebut sebagai proses binerisasi.
Pada tugas akhir sebelumnya tentang perancangan alat yang dapat digunakan untuk mendeteksi nilai nominal uang kertas yang berjudul alat deteksi nominal mata uang kertas untuk penyandang tuna netra oleh Dwi Aryo. Dengan menggunakan sensor warna TCS3200–DB untuk mendeteksi warna uang kertas, lalu oleh mikrokontroller diubah menjadi data RGB dan dikeluarkan dalam bentuk suara [1].
Dari hasil pengujian alat terhadap pembacaan objek uang kertas, didapatkan bahwa pengaplikasian sensor warna TCS3200–DB terhadap deteksi nominal uang kertas menghasilkan persentase keberhasilan pembacaan alat yang berbeda-beda tiap mata uang kertasnya, yaitu sebesar 60% untuk nominal seratus ribu rupiah 75% untuk nominal lima puluh ribu rupiah 100% untuk nominal dua
50
DAFTAR PUSTAKA
[1] Dwi Aryo Porbadi. 2014. “Alat Diteksi Nominal Mata Uang Kertas Untuk Penyandang Tuna Netra”. Diakses Tanggal 20 Juli 2015
[2] Dawud Gede Wicaksono D. 2007. “Perangkat Lunak Identifikasi Nilai Nominal Dan Keaslian Uang Kertas Rupiah Menggunakan Jaringan Syaraf Tiruan Backpropagation”. Diakses Tanggal 17 Februari 2016. lib.ui.ac.id/file?file=digital/124066-R030824.pdf.
[3] Abdul Kadir dan Adhi Susanto. 2012. “Teori Dan Aplikasi Pengolahan Citra”. Andi. Yogjakarta. Hlm (1,20,385-388).
[4] Bank Indonesia. 2011. “Buku Panduan Uang Rupiah Ciri – Ciri Keaslian, Standar Visual Kualitas Rupiah Dan Daftar Rupiah Yang Dicabut Dan Ditarik Dari Peredaran”. Diakses Tanggal 31 Oktober 2016.
http://www.bi.go.id/id/sistem-pembayaran/edukasi/Documents/90320740454248eaa25d76c118b341efBuk uPanduanUangRupiah.pdf.
[5] Maria Agustin. 2011. “Penggunaan Jaringan Syaraf Tiruan Backpropagation Untuk Seleksi Penerimaan Mahasiswa Baru Pada Jurusan Teknik Komputer Di Politeknik Negeri Sriwijaya”. Diakses Tanggal 2 November 2016. eprints.undip.ac.id/39239/.
[6] B. H. Gardi Vidyapith. 2013. “Optical Charackter Recognition Using Template Matching (Alphabets & Numbers)”. International Journal of Computer Science Engineering and Information Technology Research (IJCSEITR) ISSN 2249-6831.
[7] Sri Cahyaningsih. 2010. “Deteksi Osteoporosis Dengan Thresholding Metode Otsu Pada Citra X-ray Tulang Rahang”. Jurusan Fisika, Fakultas Sains Dan Teknologi Universitas Islam Negri Maulana Malik Ibrahim Malang.
51
[8] Max R. Kumaseh, Luther Latumakulita, Nelson Nainggolan. 2012. “Segmentasi Citra Digital Ikan Menggunakan Metode Thresholding’. Program Studi Matematika FMIPA Universitas Sam Ratulangi.
[9] Diyah Puspitaningrum. 2006. “Pengantar Jaringan Saraf tiruan”. Andi. Yogjakarta.
[10] Arif Hermawan. 2006. “Jaringan Saraf tiruan Teori Dan Aplikasi”. Andi. Yogjakarta.
[11] Nighat Naaz Ansari, Ajay Kumar Singh. 2016. “License Number Plate Recognition using Template Matching”. Meerut Institute of Engineering and Technology. India.
