PERANGKAT LUNAK IDENTIFIKASI NILAI NOMINAL DAN KEASLIAN MATA UANG KERTAS RUPIAH DENGAN PROSES IMAGE RECOGNITION
MENGGUNAKAN HIDDEN MARKOV MODEL
Anindito Nur Rahmandana¹, Iwan Iwut Tritoasmoro², Rita Magdalena³
¹Teknik Telekomunikasi, Fakultas Teknik Elektro, Universitas Telkom
Abstrak
Uang kertas adalah uang dalam bentuk lembaran yang terbuat dari bahan kertas atau bahan lainnya (yang menyerupai kertas). Uang kertas mempunyai nilai karena nominalnya dan hal tersebut tentu berkorelasi dengan identifikasi keaslian uang itu sendiri sehingga dapat menjadi alat tukar yang sah. Banyak kejahatan pemalsuan uang kertas yang terjadi akhirakhir ini, khususnya di Indonesia untuk pecahan 5000-100000 rupiah. Tugas Akhir ini dibuat untuk merancang perangkat lunak yang dapat mengidentifikasi nilai nominal dan keaslian dari mata uang kertas rupiah melalui proses image processing dengan menggunakan Hidden Markov Model.
Dalam pembuatan perangkat lunak identifikasi ini terdiri dari dua bagian , yakni pembentukan database dan proses identifikasi itu sendiri. Pembentukan database akan menghasilkan codebook dan nilai probabilitas HMM. Proses identifikasi yang dilakukan dalam tugasakhir ini memiliki dua tahap identifikasi. Tahap pertama adalah identifikasi nilai nominal dan tahap kedua adalah identifikasi keaslian mata uang. Identifikasi nilai nominal dilakukan dengan mengambil pola tertentu hasil scanning pada bagian uang kertas rupiah yang terdapat nomor seri. Pola yang diambil disini adalah bentuk angka nominal dari masing-masing mata uang. Identifikasi keaslian dilakukan dengan mengambil pola yang terbentuk hasil dari penyinaran Ultra Violet (UV). Perbedaan pola pada masingmasing mata uang inilah yang dijadikan ciri khas yang akan diambil sebagai data untuk menentukan nilai nominal dan keaslian mata uang kertas.
Analisis yang dilakukan adalah menunjukkan pengaruh variasi ukuran codebook, jumlah training , dan tingkat intensitas terhadap akurasi dari perangkat lunak identifikasi. Uji coba dilakukan terhadap mata uang dengan berbagai kondisi yang masihdapatdilihatpola/ciri yang terdapat padamasing-masing nominal untuk diidentifikasi. Berdasarkan hasil uji coba yang dilakukan didapatkan bahwa tingkat akurasi perangkat lunak98% pada ukuran codebook256-bit dan jumlah 10 training.
Kata Kunci :
Abstract
Paper money is money in the form of sheets made of paper or other materials (which resembles a paper).Paper money has value because the face and it is certainly correlated with the authenticity identification of the money itself so it can be legal exchange. Many crimes of counterfeiting banknotes happened lately, especially in Indonesia rupiah for fractional 5000-100000. This final project was made to design software that can identify the nominal value and authenticity of paper currency rupiah through a process of image processing using the Hidden Markov Model.
This identification software consist of two part, that are database development and identification process it self. The database development produce codebook and HMM probability value.
Identification process has two identification stages. The first stage is nominal value identification and the second stage is authenticity identification. The nominal value identification process is done with the extraction of the certain pattern on the part of the scanned paper money that has serial number. The Patterns that extracted are shape of nominal value number from each money value. The authenticity identification process is done with the extraction of pattern that created after money being exposed with Ultra Violet (UV) light. Differences between pattern of each money are used as data to identify nominal value and its authenticity.
This final project analyzed the effect of varying codebook size, numbers of training , and intensity level on accuration the software. A trial was made to share a currency with a condition that can still be seen the pattern / characteristics found in each of the nominal to be identified. Based on the results of tests conducted found that the accuracy rate of 98% of software in the 256-bit codebook size and number of 10 training.
ANINDITO NUR RAHMANDANA 111060053 1
BAB I
PENDAHULUAN
1.1 LATAR BELAKANG
Teknologi otomasi dalam segala bidang telah membantu kehidupan masyarakat dalam melakukan aktifitas sehari-hari. Adanya otomasi ini semakin mempercepat mobilitas manusia. Salah satunya otomasi dalam transaksi keuangan berbentuk pembelian barang. Penggunaan mekanisme otomasi tersebut saat ini di Indonesia belum diterapkan untuk pembelian barang dengan menggunakan uang kertas. Lain halnya dengan negara-negara maju di Eropa dan Asia seperti Jepang, Korea Selatan dan Singapura dimana teknologi otomasi telah diterapkan di tempat-tempat umum. Untuk mencapai hal tersebut diperlukan suatu rancangan perangkat pendeteksi nilai mata uang kertas yang aplikasinya dapat diterapkan pada suatu mesin penjualan otomatis. Selain itu dengan banyaknya beredar uang kertas palsu di masyarakat membutuhkan suatu perangkat yang selain dapat mendeteksi nilai nominal juga harus dapat mendeteksi keaslian uang tersebut. Untuk itulah dirancang suatu perangkat lunak yang tidak hanya mengidentifikasi nilai nominal tetapi juga keaslian mata uang kertas. Hal ini akan menguntungkan masyarakat karena transaksi yang berjalan secara otomatis, akurat, cepat, dan validitas yang terjamin.
Pengenalan suatu pola / gambar melalui proses image recogition dapat dilakukan dengan beberapa metode seperti Fuzzy Logic, Artificial Neural Network, dan Hidden Markov Model.). Pada tugas akhir sebelumnya di lingkungan IT Telkom telah ada penelitian Money Recognizing dengan menggunakan Artificial Neural Network(ANN) yang secara garis besar mempunyai waktu processing yang lebih lama karena melakukan ekstraksi ciri yang banyak dan keakurasian dari sistem yang kurang mendekati sempurna. Pada penelitian ini digunakan pengenalan dengan metode Hidden Markov Model untuk membedakan pola-pola yang dimiliki mata uang kertas rupiah dimana pada akhirnya digunakan untuk menentukan nilai nominal dan keaslian masing-masing mata uang tersebut dan diharapkan mampu menutupi kelemahan dari metode sebelumnya yang pernah dibahas dari segi kecepatan sistem (pre-processing, image processing) dan tingkat keakurasian perangkat lunak. Setiap mata uang kertas rupiah pada bagian tertentu memiliki pola yang unik. Pola ini dapat diambil dan dijadikan ciri khas pembeda dalam sistem sehingga dapat digunakan untuk mengidentifikasi nilai nominal dan keaslian.
Tujuan dari penulisan tugas akhir ini adalah diharapkan dengan dibuatnya perangkat lunak yang dapat mengidentifikasi nilai mata dan keaslian uang kertas rupiah ini, maka proses transaksi pembayaran dan pembelian barang dapat dilakukan lebih cepat dan aman tanpa bantuan manusia. Perangkat lunak ini dapat diaplikasikan pada alat-alat penjual tiket dan makanan otomatis yang diletakkan di tempat-tempat umum.
1.2 PERUMUSAN MASALAH
1. Mengidentifikasi nominal dan keaslian mata uang kertas rupiah
2. Melihat pengaruh dari parameter-parameter yang terdapat dalam Hidden Markov Model ( Ukuran codebook, jumlah training, intensitas ) terhadap akurasi dari perangkat lunak identifikasi nominal dan keaslian.
1.3 TUJUAN PENELITIAN
1. Membuat perangkat lunak yang bertujuan untuk mengidentifikasi nominal dan keaslian mata uang kertas rupiah
2. Melihat pengaruh dari parameter-parameter di dalam perangkat lunak yang dibuat berhubungan dengan Hidden Markov Model (Ukuran codebook, jumlah training dan intensitas ) dan pengaruhnya terhadap akurasi dari perangkat lunak untuk identifikasi nominal dan keaslian.
Manfaat penyusunan tugas akhir ini adalah :
1. Dapat membantu para pelaku transaksi keuangan 2. Dapat mendeteksi kejahatan pemalsuan uang kertas 3. Dapat menjaga kestabilan uang kertas dalam suatu negara
1.4 BATASAN MASALAH
1. Masalah yang dibahas dalam tugas akhir ini adalah hanya penggunaan image processing pada image digital mata uang kertas rupiah yang utuh hasil dari scanning, pengambilan gambar dan penyinaran UV untuk mengidentifikasi nilai nominal masing-masing mata uang rupiah mulai dari pecahan seribu sampai seratus ribu rupiah dengan menggunakan metode Hidden Markov Model.
ANINDITO NUR RAHMANDANA 111060053 3 2. Pada identifikasi keaslian mata uang rupiah penulis hanya melakukan ujicoba mulai dari pecahan lima ribu rupiah sampai seratus ribu rupiah dikarenakan keterbatasan penulis untuk mendapatkan banyak sample uang palsu pada pecahan seribu dan dua ribu rupiah
3. Kondisi mata uang kertas yang dilakukan identifikasi hanya terbatas apabila pola nominal pada uang kertas rupiah masih bisa terdeteksi polanya pada tahap identifikasi nominal dan keaslian ( scanning dan capture image dari camera)
I.5 METODOLOGI PENELITIAN
Adapun metode penelitian yang digunakan dalam pengerjaan tugas akhir ini antara lain :
1. Studi Literatur dan Tinjauan Pustaka
Bertujuan untuk mempelajari dasar teori dari berbagai literatur mengenai pengolahan citra image digital (image processing) dan pengenalan pola serta ciri untuk membantu dalam identifikasi nilai nominal dan keaslian pada mata uang kertas rupiah.
2. Pengumpulan Data
Mencari dan mengumpulkan mata uang kertas rupiah yang dibutuhkan berupa sampel uang kertas asli dan palsu yang nantinya akan dibutuhkan dalam membuat perangkat lunak identifikasi nominal dan keaslian.
3. Perancangan dan Pembuatan Program
Merancang dan membuat program yang dapat digunakan untuk mengidentifikasi nilai nominal dan keaslian mata uang kertas rupiah.
4. Pengujian dan Analisa
Melakukan pengujian pada sistem yang telah dirancang untuk kemudian dianalisa tingkat akurasi maupun performansi perangkat lunak yang telah dibuat.
5. Pengambilan kesimpulan dan penyusunan laporan tugas akhir.
1.6 SISTEMATIKA PENULISAN
BAB I PENDAHULUAN
Bab ini menjelaskan latar belakang penulisan, tujuan penulisan, batasan masalah dan sistematika untuk memberikan gambaran umum mengenai penulisan tugas akhir ini.
ANINDITO NUR RAHMANDANA 111060053 4 BAB II DASAR TEORI
Bab ini menjelaskan dasar teori mengenai mata uang kertas rupiah, image processing, vector quantization, dan metode deteksi Hidden Markov Model.
BAB III PERANCANGAN SISTEM
Bab ini menjelaskan tahap-tahap yang akan dikerjakan untuk membuat sistem identifikasi keaslian dan nominal mata uang kertas rupiah.
BAB IV PENGUJIAN DAN ANALISIS SISTEM
Bab ini berisi tentang hasil uji coba dari rancang bangun, pengolahan data, dan analisis terhadap dari data yang telah diperoleh.
BAB V KESIMPULAN
Bab ini berisi kesimpulan dari hasil yang diperoleh pada penelitian ini.
ANINDITO NUR RAHMANDANA 111060053 55
BAB V PENUTUP
5.1Kesimpulan
Dari hasil pengujian dan analisis yang telah dilakukan pada perancangan perangkat lunak deteksi nilai nominal dan keaslian mata uang kertas rupiah, maka dapat diambil beberapa kesimpulan sebagai berikut :
1. Ukuran jumlah training dan codebook yang semakin banyak dan semakin besar akan meningkatkan kemampuan dalam mengidentifikasi nilai nominal mata uang kertas rupiah. Pada identifikasi nominal jumlah 5 training range [0.0 0.5] untuk 32-bit tingkat akurasi masih berkisar 92% pada tingkat akurasi sistem, lalu terus meningkat dan pada 256-bit mencapai 100%, sedangkan untuk jumlah 10 training range [0.0 0.5] pada 32-bit tingkat akurasi masih pada tingkat akurasi 94,67% lalu terus meningkat mencapai tingkat keberhasilan 100% pada 256-bit.
2. Jumlah training dan codebook yang semakin banyak dan besar juga akan meningkatkan kemampuan dalam mengidentifikasi nilai keaslian mata uang kertas rupiah. Pada identifikasi keaslian jumlah 5 training range [0.2 1.0] untuk 32-bit tingkat akurasi adalah 97,33% dan akurasi menjadi 98,67% pada saat 256-bit, sedangkan untuk identifikasi keaslian jumlah 10 training range [0.2 1.0] tingkat akurasi perangkat lunak sudah mencapai 100% dimulai dari 32-256 bit.
3. Perubahan nilai tingkat intensitas akan merubah nilai dari data awal dengan perubahan codebook dan jumlah training yang berbanding lurus semakin besar dapat mempengaruhi tingkat akurasi dari identifikasi perangkat lunak mencapai 100%.
ANINDITO NUR RAHMANDANA 111060053 56
5.2Saran
Adapun saran untuk pengembangan tugas akhir selanjutnya adalah : 1. Dapat menggunakan metode yang lebih baik lagi untuk meningkatkan
nilai koreksi pada hasil ujicoba deteksi nominal dan keaslian serta dapat mendeteksi mata uang kertas rupiah dengan kondisi yang lebih rusak 2. Menggunakan algoritma image processing yang lebih baik dan dengan
waktu komputasi image processing yang lebih cepat.
3. Dapat berlanjut penelitan deteksi nominal dan keaslian mata uang kertas rupiah menjadi real time dengan dibuat menjadi hardware
4. Sistem dapat dikembangkan dengan mentautkan dengan aplikasi berbasis mobile phone communication dengan system database yang lebih baik.
ANINDITO NUR RAHMANDANA 111060053 57
DAFTAR ACUAN
[1] http://www.wikipedia.org/matauangrupiah/html diakses 5 April 2007 [2] http://www.wikipedia.org/matauangrupiah/html diakses 15 Oktober 2007 [3] http://www.bi.go.id diakses 6 April 2007[4] Tharom, Tabratas. “Pengolahan Citra Pada Mobil Robot” diakses 13 Desember 2007.
http://www.ilmukomputer.com
[5] Tinku Acharya, Ajoy K. Ray, Image Processing Principles and Application,(New Jersey : A John Wiley & Sons.Mc.Publication , 2005), hal. 23. [6] Rafael .C. Gonzales , Richard .E .Woods, Digital Image Processing 2nd edition, (New York: Addison Wesley.Inc,1992) , hal. 31-32.
[7] Yaxin Zhang , Mike Alder, "An Improved HMM VQ Training Procedure for Speaker Independent Isolated Word Recognition”, Journal: Center for Intelligent Information Processing System,The Department of Electrical and Electronic Engineering ,The University of Western Australia, hal. 5.
[8] Mohamed Qasem, Vector Quantization, diakses 12 April 2007 dari geocities.com.
http://www.geocities.com/mohamedqasem/vectorquantization/bib.html
[9] Liu, Zhongmin, Yin, Qizhang, Zhang, Weimin, “A Speaker Identification and Verification System”, EEL6586 Final Project, 2002.
[10] Magdi, Mohamed.” Generalized Hidden Markov Model : Theoretical Frameworks ” IEEE Transaction of Fuzzy System, vol 8 no 1 Febuari 2000.
[11] http://www.wikipedia.org/hiddenmarkovmodel/html diakses 18 April 2007.
[12] Lawrence. R. Rabiner, “A Tutorial on Hidden Markov Model and Selected Application in Speech Recognition”, Proc. of IEEE Vol 77, 257-286, February 1989.
[13] Lawrence Rabiner , Bing Hwang Juang, Fundamental of Speech Recognition (New York : Prentice Hall,1993), hal. 329.
ANINDITO NUR RAHMANDANA 111060053 58 [14] Arman Djohari Diponogoro,“Penentuan jenis ikan dengan menggunakan hidden markov model dari penditeksian fase pernerimaan sinyal akustik”, disertasi, Program Studi Teknologi Kelautan Program Pasca Sarjana Institut Pertanian Bogor, 2004.
