Rancang Bangun Sistem Pendeteksi Keaslian Uang Kertas Rupiah Menggunakan Sinar UV dengan Metode Machine Learning

Abstract

Sistem pendeteksi keaslian uang kertas rupiah merupakan metode yang dibutuhkan karena uang merupakan materi penting sehingga sering terjadi tindak kriminalitas. Metode yang sering digunakan adalah image processing untuk scaling dan color conversion, segmentasi untuk mendapatkan pola tertentu, atau dengan memperhatikan ciri fisik uang kertas rupiah, seperti tekstur dan pola terawang. Namun, metode-metode tersebut dapat dikatakan kurang efektif apabila terjadi peningkatan pemalsuan uang kertas rupiah dalam bentuk fisik. Sehingga penulis merancang sistem counting yang menggunakan sinar ultraviolet untuk menampilkan hidden pattern sebagai fitur khusus mendeteksi keaslian uang dengan metode machine learning dan menambahkan sistem counting buatan sendiri dengan fitur rotation invariant untuk melakukan pendeteksian lebih dari satu lembar uang kertas rupiah. Perpaduan image processing dan machine learning pada penelitian ini mampu memberikan hasil pengujian prototipe dengan metode k-NN dan CNN memberikan persentase keberhasilan prediksi sebesar lebih dari 90% dibandingkan dengan SVM, Random Forest, dan Naive Bayes yang kurang dari 85%. Mekanik prototipe ini mampu melakukan pendeteksian kurang dari 4 detik dengan 10 lembar uang kertas yang dideteksi. Dengan meningkatkan metode detection yang lebih expert, seperti deep learning dengan model yang fleksibel jika ingin digunakan dalam pendeteksi mata uang selain rupiah.

CC Licencing

Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).