ABSTRAK

Peredaran uang palsu dari tahun ke tahun terus mengalami peningkatan. Peningkatan
ini dikarena mudahnya mendapatkan informasi cara membuat uang palsu di internet serta
ditunjang dengan perkembangan teknologi yang ada. Salah satu alat bantu yang paling banyak
dipakai untuk membedakan uang palsu dengan uang asli adalah dengan memanfaatkan sinar
ultraviolet. Tetapi hal ini masih memiliki permasalahan, karena tidak semua masyarakat
Indonesia mempunyai alat tersebut selain harganya yang relatif mahal, ketidak praktisan alat
ini juga menjadi salah satu penyebabnya.

Untuk itu, perlu adanya suatu teknologi yang dapat mengetahui dan membedakan
uang palsu tersebut. Berdasarkan kasus di atas, penelitian ini membahas tentang pemanfaatan
kamera smartphone untuk membedakan uang asli dengan uang palsu menggunakan deteksi
tepi operator canny sebagai metode yang digunakan.

i
 DAFTAR ISI

ABSTRAK .......................................................................................................................... i
DAFTAR ISI ..................................................................................................................... ii
DAFTAR GAMBAR .............................................................................................................iv
DAFTAR TABEL ................................................................................................................ v
BAB I PENDAHULUAN ....................................................................................................... 1
1.1 Latar Belakang ................................................................................................... 1
1.2 Rumusan Masalah .............................................................................................. 1
a. Identifikasi Masalah .................................................................................... 1
b. Batasan Masalah ......................................................................................... 2
c. Rumusan Masalah ....................................................................................... 2
1.3 TUJUAN DAN MANFAAT PENELITIAN .................................................................. 2
a. Tujuan Penelitian ........................................................................................ 2
b. Manfaat Penelitian ...................................................................................... 2
1.4 Sistematika Penulisan ......................................................................................... 3
1.5 Daftar Istilah ..................................................................................................... 3
a. Android ...................................................................................................... 3
b. Client-Server............................................................................................... 4
BAB II LANDASAN PEMIKIRAN .......................................................................................... 5
2.1 TINJAUAN PUSTAKA .......................................................................................... 5
a. Citra Digital ................................................................................................ 5
b. Format Citra Digital ..................................................................................... 9
c. Pengolahan Citra ...................................................................................... 14
d. Operasi Pengolahan Citra .......................................................................... 15
e. Deteksi Tepi ............................................................................................. 16
2.2 Tinjauan Studi ................................................................................................. 25
2.3 Tinjauan Objek Penelitian ................................................................................. 29
2.4 Kerangka Pemikiran ......................................................................................... 29
2.5 Hipotesis ......................................................................................................... 30
BAB III DESAIN PENELITIAN .......................................................................................... 31
3.1 Metode Penelitian ............................................................................................ 31

ii
 3.2 Pemilihan sampel ............................................................................................. 31
3.3 Metode Pengumpulan Data ............................................................................... 31
a. Studi Literatur ........................................................................................... 31
b. Observasi Lapangan .................................................................................. 32
3.4 Langkah-langkah Penelitian .............................................................................. 32
3.5 Jadwal Penelitian ............................................................................................. 34
BAB IV PENUTUP ........................................................................................................... 36
4.1 Kesimpulan ...................................................................................................... 36
DAFTAR PUSTAKA .......................................................................................................... 37

iii
 DAFTAR GAMBAR

Gambar 2.3 citra grayscale (abu-abu) ............................................................................ 8

Gambar 2.4 Citra Berwarna ........................................................................................... 9

Gambar 2.5 warna bitmap ........................................................................................... 10

Gambar 2.6 Gambar PNG ............................................................................................ 13

Gambar 2.7 (kiri) gambar asli, (kanan) gambar hasil smoothing ..................................... 21

Gambar 2.8 (Kiri)Gambar yang diperhalus, (kanan) Magnitude Gradien .......................... 22

Gambar 2.9 Ilustrasi Penghapusan Non-Maksimum ....................................................... 23

Gambar 2.10 (kiri) Hasil gradient, (kanan) setelah penghapusan Non-Maksimum .............. 23

Gambar 2.11 (kiri) setelah penghapusan Non-Maximum, (kanan) Thresholding ganda ...... 24

Gambar 2.12 (Kiri)Thresholding Ganda, (tengah) Edge Tracking by hysteresis, (kanan)Hasil

Akhir ............................................................................................................................. 25

Gambar 2.13 Kerangka Pemikiran ................................................................................. 30

Gambar 3.1 Langkah-langkah Penelitian ...................................................................... 32

Gambar 3.2 Ektraksi Uang Asli .................................................................................... 34

iv
 DAFTAR TABEL

Tabel 2.1 Tinjauan Studi ................................................................................................. 27

Tabel 3.1 Jadwal Penelitian ............................................................................................. 34

v
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Kemajuan teknologi telah berkembang dengan pesat. Terlebih lagi teknologi
dibidang informatika. Seiring dengan kemajuan ini, kejahatan yang menggunakan
teknologi juga berkembang. Salah satu kejahatan yang memanfaatkan kemajuan
teknologi adalah pembuatan uang palsu. Peredaran uang palsu dari tahun ke tahun
terus mengalami peningkatan. Peningkatan ini dikarena mudahnya mendapatkan
informasi cara membuat uang palsu di internet serta ditunjang dengan perkembangan
teknologi yang ada.

Salah satu teknik yang dapat digunakan oleh masyarakat umum untuk
membedakan uang palsu dengan uang asli berdasarkan sosialisasi yang dilakukan oleh
pemerintah adalah dengan 3D (Dilihat, Diraba, Diterawang) melihat ada tidaknya
benang pengaman, meraba warna dan tekstur pada kertas, serta menerawang ada
tidaknya tanda air. Namun teknik tersebut masih saja dapat mengelabui mata awam
seseorang, Maka diciptakanlah alat untuk mendeteksi uang palsu, salah satu alat bantu
yang paling banyak dipakai adalah dengan memanfaatkan sinar ultraviolet. Tetapi tetap
saja hal ini masih memiliki permasalahan, karena tidak semua masyarakat Indonesia
mempunyai alat tersebut selain harganya yang relatif mahal, ketidak praktisan alat ini
juga menjadi salah satu penyebabnya.

Untuk itu, perlu adanya suatu teknologi yang dapat membantu masyarakat pada
umumnya untuk mengetahui dan membedakan uang palsu tersebut. Yaitu dengan
memanfaatkan smartphone berbasis android serta teknologi client-server dimana
gambar uang yang diambil dari kamera smartphone tersebut akan dikirim ke server dan
diproses. Dalam proses membedakan uang asli dengan uang palsu, metode yang
digunakan adalah deteksi tepi dengan operator canny.

1.2 Rumusan Masalah

a Identifikasi Masalah

1
 Keterbatasan kemampuan mata pada seseorang dalam membedakan uang
asli dengan uang palsu menjadi penyebab peredaran uang palsu merajalela.
Meskipun sudah banyak alat yang dapat digunakan untuk mengidentifikasi uang
palsu, namun karena ketidak praktisan dalam penggunaannya, menyebabkan
masih kurang efektif dalam menekan peredaran uang palsu.

b Batasan Masalah
Kamera smartphone digunakan untuk mengambil gambar uang, merubah
ukuran gambar dan mengupload gambar ke server. Sedangkan proses
pendekteksian uang palsu atau asli dilakukan di server. Sample uang yang
digunakan adalah uang kertas (Rp.100000 , Rp 50000). Metode yang digunakan
dalam membedakan uang asli atau uang palsu menggunakan deteksi tepi dengan
operator canny.

c Rumusan Masalah
Berdasarkan uraian di atas, maka rumusan masalah yang dapat diambil
adalah “Apakah metode – metode pengolahan citra yang digunakan dapat
membedakan uang palsu dengan uang asli?”.

1.3 TUJUAN DAN MANFAAT PENELITIAN

a Tujuan Penelitian
Dengan semakin banyaknya penggunaan smartphone terutama
smartphone berbasis android maka penelitian ini bertujuan untuk membantu
masyarakat mendeteksi dan atau membedakan uang palsu dengan mudah, akurat
dan cepat menggunakan perangkat smartphone yang mereka miliki.

b Manfaat Penelitian
Hasil penelitian ini diharapkan dapat digunakan sebagai langkah awal untuk
menekan peredaran uang palsu. Selain itu dengan memanfaatkan smartphone
setiap orang mampu memaksimalkan kegunaan smartphone tersebut tidak hanya
sebatas melakukan panggilan telpon atau mengirim pesan. Program aplikasi yang
dibuat juga dapat dijadikan bahan untuk penelitian lebih lanjut dibidang yang
berkaitan.

2
 Dengan penyesuaian tertentu, metode yang digunakan mungkin dapat
juga dimanfaatkan untuk sistem deteksi objek secara umum yang tidak hanya
terbatas pada uang, misalnya deteksi kendaraan, pejalan kaki, bahan produksi, dan
sebagainya.

Dari hasil penelitian ini juga diharapkan dapat diperoleh pemahaman yang
lebih baik terhadap jaringan syaraf tiruan, dan pengaruh berbagai parameter yang
digunakan terhadap unjuk kerja pengklasifikasi jaringan syaraf tiruan.

1.4 Sistematika Penulisan

Sistematika penulisan tesis ini terformat sebagai berikut:

BAB I : Pendahuluan
Dalam bab ini dijelaskan mengenai pokok permasalahan secara
umum, yang meliputi latar belakang, identifikasi dari permasalahan yang
ada, batasan masalah, tujuan dan manfaat penelitian dari penelitian serta
menjelaskan sistematika penulisan penelitian.

BAB II : Landasan Pemikiran

Dalam bab ini dijelaskan bahwa landasan teori atau pemikiran yang
digunakan untuk melakukan penelitian, termasuk tinjauan pustaka, kerangka
konsep deteksi tepi, format gambar, serta objek penelitian yang ada
hubungan dengan uang palsu.

BAB III : Metodologi Penelitian

Bab tiga akan mengungkapkan mengenai metode atau jenis penelitian
metodologi yang akan dipakai, metode pengumpulan data, instrumentasi,
rancangan arsitektur dan jadwal penelitian.

BAB IV : Kesimpulan dan Penutup

Pada bab ini dijelaskan tentang kesimpulan yang didapatkan setelah

perancangan dan uji coba model testing.

1.5 Daftar Istilah

a Android

3
 Android adalah sistem operasi berbasis Linux yang dirancang untuk perangkat
seluler layar sentuh seperti telepon pintar dan komputer tablet. Android awalnya
dikembangkan oleh Android, Inc., dengan dukungan finansial dari Google, yang
kemudian membelinya pada tahun 2005. Sistem operasi ini dirilis secara resmi pada
tahun 2007, bersamaan dengan didirikannya Open Handset Alliance, konsorsium dari
perusahaan-perusahaan perangkat keras, perangkat lunak, dan telekomunikasi yang
bertujuan untuk memajukan standar terbuka perangkat seluler. Ponsel Android
pertama mulai dijual pada bulan Oktober 2008

b Client-Server
Client-server merupakan sebuah paradigma dalam teknologi informasi yang merujuk
kepada cara untuk mendistribusikan aplikasi ke dalam dua pihak: pihak klien dan
pihak server. Dalam model klien/server, sebuah aplikasi dibagi menjadi dua bagian
yang terpisah, tapi masih merupakan sebuah kesatuan yakni komponen klien dan
komponen server. Komponen klien juga sering disebut sebagai front-end, sementara
komponen server disebut sebagai back-end. Komponen klien dari aplikasi tersebut
dijalankan dalam sebuah workstation dan menerima masukan data dari pengguna.
Komponen klien tersebut akan menyiapkan data yang dimasukkan oleh pengguna
dengan menggunakan teknologi pemrosesan tertentu dan mengirimkannya kepada
komponen server yang dijalankan di atas mesin server, umumnya dalam
bentuk request terhadap beberapa layanan yang dimiliki oleh server. Komponen
server akan menerima request dari klien, dan langsung memprosesnya dan
mengembalikan hasil pemrosesan tersebut kepada klien. Klien pun menerima
informasi hasil pemrosesan data yang dilakukan server dan menampilkannya kepada
pengguna, dengan menggunakan aplikasi yang berinteraksi dengan pengguna

4
 BAB II
LANDASAN PEMIKIRAN

2.1 TINJAUAN PUSTAKA

a. Citra Digital
Citra digital merupakan gambar dua dimensi yang dapat diolah dengan
komputer. Sebuah citra digital adalah sebuah matriks yang terdiri dari M kolom N
baris, dimana perpotongan antara kolom dan baris disebut piksel. Piksel merupakan
elemen terkecil dari sebuah citra. Piksel memiliki 2 parameter yaitu kordinat dan
intensitas/warna.

Secara matematis citra digital dapat dituliskan sebagai fungsi intensitas f

(x,y), dimana x adalah baris dan y adalah kolom, merupakan koordinat posisi dan
f(x,y) adalah nilai fungsi pada setiap titik (x,y) yang menyatakan besar intensitas
citra atau tingkat keabuan atau warna dari piksel di titik tersebut.

Citra dari suatu sistem perekaman dapat bersifat :

• optik yaitu berupa foto

• analog yaitu berupa sinyal video seperti gambar pada monitor televisi

• digital yaitu berupa file yang dapat langsung disimpan dalam media
penyimpanan.

Sebuah citra dirubah ke dalam bentuk digital agar dapat disimpan dalam
memori komputer sebagai suatu file dalam format tertentu. Format citra dapat
menunjukan cara sebuah citra digital disimpan, misalnya apakah dengan suatu
kompresi atau tidak. Contoh format citra digital adalah .bmp, .jpg, .png, .tif dan
sebagainya. Ukuran citra digital dinyatakan dalam piksel.

Berdasarkan cara penyimpanan atau pembentukannya, citra digital dapat

dibagi menjadi dua jenis yaitu :

5
 1) Citra Bipmap / Citra raster adalah citra digital yang dibentuk oleh kumpulan
piksel dalam array dua dimensi.

2) Grafik Vektor adalah citra yang dibentuk oleh fungsi-fungsi geometri dan
matematika.

Citra digital dihasilkan dari citra analog melalui digitalisasi, digitalisasi citra
analog terdiri atas penerokan (sampling) dan kuantisasi (quantization). Penerokan
adalah pembagian citra ke dalam elemen elemen diskrit (piksel), sedangkan
kuantisasi adalah pemberian nilai intensitas warna pada setiap piksel dengan nilai
yang berupa bilangan bulat.

Banyaknya nilai yang dapat digunakan dalam kuantisasi citra bergantung

kepada kedalaman piksel, yaitu banyaknya bit yang digunakan untuk
merepresentasikan intensitas warna piksel. Kedalaman piksel sering disebut juga
kedalaman warna. Citra digital yang memiliki kedalaman piksel n bit disebut juga
citra n-bit. Berdasarkan warna-warna penyusunnya, citra digital dapat dibagi
menjadi tiga macam (Marvin Chandra Wijaya,2007) yaitu:

I. Citra Biner
Citra biner yaitu citra yang hanya terdiri atas dua warna, yaitu hitam
danputih. Oleh karena itu, setiap piksel pada citra biner cukup
direpresentasikandengan 1 bit.

Gambar 2.1 Citra Biner

6
 Gambar 2.2 representasi citra biner

Meskipun saat ini citra berwarna lebih disukai karena memberi kesan yang
lebih kaya dari citra biner, namun tidak membuat citra biner mati. Pada beberapa
aplikasi citra biner masih tetap di butuhkan, misalkan citra logo instansi ( yang
hanya terdiri dari warna hitam dan putih), citra kode barang (bar code) yang tertera
pada label barang, citra hasil pemindaian dokumen teks, dan sebagainya. Seperti
yang sudah disebutkan diatas, citra biner hanya mempunyai dua nilai derajat
keabuan : hitam dan putih. Piksel – piksel objek bernilai 1 dan piksel – piksel latar
belakang bernilai 0. pada waktu menampilkan gambar, adalah putih dan 1 adalah
hitam. Jadi pada citra biner, latar belakang berwarna putih sedangkan objek
berwarna hitam seperti tampak pada gambar 2.1 diatas. Meskipun komputer saat
ini dapat memproses citra hitam-putih (grayscale) maupun citra berwarna, namun
citra biner masih tetap di pertahankan keberadaannya.

Alasan penggunaan citra biner adalah karena citra biner memiliki sejumlah
keuntungan sebagai berikut:

a. Kebutuhan memori kecil karena nilai derajat keabuan hanya membutuhkan

representasi 1 bit.
b. Waktu pemrosesan lebih cepat di bandingkan dengan citra hitam-putih
ataupun warna.

7
II. Citra grayscale
Citra grayscale yaitu citra yang nilai piksel-nya merepresentasikan derajat
keabuan atau intensitas warna putih. Nilai intensitas paling rendah
merepresentasikan warna hitam dan nilai intensitas paling tinggi
merepresentasikan warna putih. Pada umumnya citra grayscale memiliki
kedalaman piksel 8 bit (256 derajat keabuan), tetapi ada juga citra grayscale yang
kedalaman piksel-nya bukan 8 bit, misalnya 16 bit untuk penggunaan yang
memerlukan ketelitian tinggi.

Gambar 2.3 citra grayscale (abu-abu)

Citra grayscale merupakan citra satu kanal, dimana citra f(x,y) merupakan
fungsi tingkat keabuan dari hitam keputih, x menyatakan variable kolom atau posisi
piksel di garis jelajah dan y menyatakan variable kolom atau posisi piksel di garis
jelajah. Intensitas f dari gambar hitam putih pada titik (x,y) disebut derajat keabuan
(grey level), yang dalam hal ini derajat keabuannya bergerak dari hitam keputih.
Derajat keabuan memiliki rentang nilai dari Imin sampai Imax, atau Imin < f <
Imax, selang (Imin, Imax) disebut skala keabuan.

Biasanya selang (Imin, Imax) sering digeser untuk alasan-alasan praktis

menjadi selang [0,L], yang dalam hal ini nilai intensitas 0 meyatakan hitam, nilai
intensitas L meyatakan putih, sedangkan nilai intensitas antara 0 sampai L bergeser
dari hitam ke putih. Sebagai contoh citra grayscale dengan 256 level artinya
mempunyai skala abu dari 0 sampai 255 atau [0,255], yang dalam hal ini intensitas

8
 0 menyatakan hitam, intensitas 255 menyataka putih, dan nilai antara 0 sampai
255 menyatakan warna keabuan yang terletak antara hitam dan putih.

III. Citra berwarna

Citra berwarna yaitu citra yang nilai piksel-nya merepresentasikan warna
tertentu Banyaknya warna yang mungkin digunakan bergantung kepadakedalaman
piksel citra yang bersangkutan. Citra berwarna direpresentasikandalam beberapa
kanal (channel) yang menyatakan komponen-komponen warna penyusunnya.
Banyaknya kanal yang digunakan bergantung pada model warna yang digunakan
pada citra tersebut.

Gambar 2.4 Citra Berwarna

Intensitas suatu pada titik pada citra berwarna merupakan kombinasi dari
tiga intensitas : derajat keabuan merah (fmerah(x,y)), hijau fhijau(x,y) dan biru
(fbiru(x,y)). Persepsi visual citra berwarna umumnya lebih kaya di bandingkan
dengan citra hitam putih. Citra berwarna

menampilkan objek seperti warna aslinya ( meskipun tidak selalu tepat

demikian ). Warna-warna yang diterima oleh mata manusia merupakan hasil
kombinasi cahaya dengan panjang gelombang berbeda.

b. Format Citra Digital

Citra digital dapat disimpan dalam berbagai macam format. Beberapa
format citra digital dapat memanfaatkan metode kompresi dalam penyimpanan
data citra. Kompresi yang dilakukan dapat bersifat lossy maupun lossless,
bergantung kepada jenis format yang digunakan. Kompresi yang bersifat lossy

9
 menyebabkanpenurunan kualitas citra, meskipun dalam beberapa kasus penurunan
kualitas tersebut tidak dapat dikenali oleh mata manusia. Beberapa format citra
digital yang banyak ditemui adalah BMP, JPEG, GIF, PNG, dan lain-lain.

I. Bitmap
Kriteria yang paling penting dari citra ini adalah kedalaman warna yaitu
berapa banyak bit per piksel yang didefinisikan dari sebuah warna (Rinaldi Munir,
2005). Bitmap dengan mengikuti kriteria tadi maka dapat dilihat:

1. 8 bit = 256 warna (256 gray scales).

2. 24 bit = 16.777.216 warna

Gambar 2.5 warna bitmap

Secara umum dapat dikatakan semakin banyaknya warna, maka akan

diperlukan keamanan yang ketat atau tinggi dikarenakan bitmap memiliki area yang
sangat luas dalam sebuah warna yang seharusnya dihindarkan. Dilihat dari
kedalaman atau kejelasan dari sebuah warna, bitmap dapat mengambil sejumlah
data tersembunyi dengan perbandingan sebagai berikut (ukuran ratio dari bitmap
dalam byte = ukuran dari data yang disembunyikan) :

1. 8 bit = 256 warna : 8 : 1

2. 24 bit = 16.777.216 warna : 8 : 1

Perbandingan tersebut diperoleh dari penentuan LSB dalam suatu byte,

untuk citra 8 bit letak LSB adalah pada bit terakhir sedangkan untuk citra 24 bit

10
 letak LSB adalah pada bit ke-8, bit ke-16 dan bit ke 24 dimana masing-masing byte
mewakili warna merah (red), warna hijau (green) dan warna biru (blue).

Manipulasi pada bitmap tidak dapat dikonvert atau diubah ke dalam bentuk
format grafik yang lain karena data tersembunyi dalam file tersebut akan hilang.
Format menggunakan metode komperesi yang lain (seperti JPEG) tidak di gunakan
dalam skripsi ini. Mengurangi ukuran dari carrier file sangatlah penting untuk
melakukan transmisi online, yaitu dengan menggunakan utilitas kompresi (seperti
: ARZ, LZH, PKZIP, WinZip), dikarenakan kerja mereka tidak terlalu berat.

II. GIF
Graphic Interchange Format (GIF, dibaca jiff ,tetapi kebanyakan orang
menyebutnya dengan giff ) yang dibuat oleh Compuserve pada tahun 1987 untuk
menyimpan berbagai gambar dengan format bitmap menjadi sebuah file yang
mudah untuk diubah pada jaringan koputer. GIF adalah file format graphic yang
paling tua pada Web, dan begitu dekatnya file format ini dengan web pad saat itu
sehingga para Browser menggunakan format ini.

File GIF dapat disimpan dalam dua jalan yaitu secara berurutan (Dari atas ke
bawah) dan pembagian dengan baris ( 8 baris, 4 baris dan 2 baris). Pembagian
baris pada gambar dengan resolusi gambar yang rendah dengan cepat dimana
secara gradual datangnya untuk menjadikan lebih focus , dengan expense dari
penambahan kapasitas file.

Terdapat dua tipe dari GIFs, antara lain:

1. GIF87a: support dengan interlacing dan kapasitas dari beberapa file.
Teknik itu dinamakan GIF87 karena pada tahun 1987 standar ini
ditemukan dan dijadikan standar.
2. GIF89a: adalah kelanjutan dari spesifikasi GIF87a dan penambahan pada
transparency, pemberian tulisan dan animasi dari text dan grafik.

III. PNG
PNG (Portable Network Graphics) adalah salah satu format penyimpanan
citra yang menggunakan metode pemadatan yang tidak menghilangkan bagian dari

11
citra tersebut. Format PNG ini diperkenalkan untuk menggantikan format
penyimpanan citra GIF. Secara umum PNG dipakai untuk Citra Web.

Untuk Web, format PNG mempunyai 3 keuntungan dibandingkan format GIF:

1. Channel Alpha (transparansi)
2. Gamma (pengaturan terang-gelapnya citra en:"brightness")
3. Penayangan citra secara progresif (progressive display)

Selain itu, citra dengan format PNG mempunyai faktor kompresi yang lebih
baik dibandingkan dengan GIF sekitar 5%-25%. Satu fasilitas dari GIF yang tidak
terdapat pada PNG format adalah dukungan terhadap penyimpanan multi-citra
untuk keperluan animasi.

Untuk keperluan pengolahan citra, meskipun format PNG bisa dijadikan

alternatif selama proses pengolahan citra - karena format ini selain tidak
menghilangkan bagian dari citra yang sedang diolah (sehingga penyimpanan
berulang ulang dari citra tidak akan menurunkan kualitas citra) namun format JPEG
masih menjadi pilihan yang lebih baik.

PNG (Format berkas grafik yang didukung oleh beberapa web browser. PNG
mendukung transparansi gambar seperti GIF, berkas PNG bebas paten dan
merupakan gambar bitmap yang terkompresi

PNG diciptakan untuk menggantikan keberadaan GIF karena masalah lisensi.

Format PNG lebih baik daripada GIF. Masalahnya ada pada kurangnya dukungan
yang dimampukan oleh web browser. Format ini dibuat sebagai alternatif lain dari
format GIF. Format ini digunakan untuk menyimpan berkas dengan kedalaman 24
bit serta memiliki kemampuan untuk menghasilkan background transparan dengan
pinggiran yang halus.

Format PNG menggunakan metode kompresi lossless untuk menampilkan

gambar 24-bit atau warna-warna solid pada media daring (online). Format ini
mendukung transparansi di dalam alpha channel. Format PNG sangat baik
digunakan pada dokumen daring (online), dan mempunyai dukungan warna yang
lebih baik saat dicetak daripada format GIF. Akan tetapi pada warna PNG akan di-

12
 place pada dokumen InDesign sebagai gambar bitmap RGB, sehingga hanya dapat
dicetak sebagai gambar komposit bukan pada gambar separasi.

Secara garis besar, format PNG mempunyai fitur sebagai berikut :

1. Sebagai pengganti format GIF dan TIFF.
2. Format terbuka atau open, efisien, gratis, dan kompresi jenis lossless.
3. Tiga mode warna], yaiut : paletted (8 bit), greyscale (16 bit), truecolour
(hinga 48 bit)
4. Dukungan terhadap profile colour, gamma, dan metadata.
5. Mempunyai fitur transparansi serta dukungan penuh terhadap alpha
channel.
6. Dukungan luas bagi software menipulasi grafis dan web browser.

Gambar 2.6 Gambar PNG

IV. JPEG
Joint Photograpic Experts (JPEG , dibaca jay-peg) di rancang untuk kompresi
beberapa full-color atau gray-scale dari suatu gambar yang asli, seperti
pemandangan asli di dunia ini. JPEGs bekerja dengan baik pada continous tone
images seperi photographs tetapi tidak terlalu bagus pada ketajaman gambar dan
seni pewarnaan seperti penulisan, kartun yang sederhana atau gambar yang
mengunakan banyak garis. JPEG sudah mendukung untuk 24-bit color depth atau
sama dengan 16,7 juta warna (224 = 16.777.216 warna), progressive JPEGs (p-
JPEGs) adalah tipe dari beberapa persen lebih kecil dibandingkan baseline JPEGs:

13
 Tetapi keuntungan dari JPEG dan tipe-tipenya telihat pada langkah-langkahnya
sama seperti interlaced GIFs.

JPEG adalah algoritma kompresi secara lossy. JPEG bekerja dengan merubah
gambar spasial dan merepresentasikan kedalam pemetaan frekueunsi. Discrete
Cosine Transform (DCT) dengan memisahkan antara informasi frekuensi yang
rendah dan tinggi dari sebuah gambar. Informasi frekuensi yang tinggi akan
diseleksi untuk dihilangkan yang terikat pada pengaturan kualitas yang digunakan.
Kompresi dengan tingkatan yang lebih baik, tingkatan yang lebih baik dari informasi
yang dihilangkan. Waktu Kompresi dan dekompresi dilaksanakan dengan simetris.
JPEG Group’s (IJG) decoder lebih ditingkatkan kemampuannya dibandingkan
dengan encodernya. Manakala, ketika diperlihatkan 8 bits, mengurangi kuantisasi
warna yang lambat. Banyak para penjual JPEG menawarkan untuk mempercepat
hasil dari JPEG, kuantisasi warna dan kualitas dengan mengimplementasikan IJG.

JPEG dirancang untuk mengeksploitasi tingkatan dari mata kita yakni bahwa
mata kita tidak akan dapat mebedakan perubahan yang lambat terang dan warna
dibandingkan dengan perbedaan suatu jarak apakah jauh atau dekat. Untuk itu
JPEG sangat baik digunkan pada fotografi dan monitor 80-bit. JPEG sebenarnya
hanyalah algoritma kompresi, bukan merupakan nama format file. File yang biasa
disebut JPEG pada jaringan sebenarnya adalah JFIF ( JPEG File Interchange
Format).

c. Pengolahan Citra
Pengolahan Citra merupakan proses pengolahan dan analisis citra yang
banyak melibatkan persepsi visual. Proses ini mempunyai ciri data masukan dan
informasi keluaran yang berbentuk citra. Istilah pengolahan citra digital secara
umum didefnisikan sebagai pemrosesan citra dua dimensi dengan komputer. Dalam
definisi yang lebih luas, pengolahan citra digital juga mencakup semua data dua
dimensi.

Meskipun sebuah citra kaya informasi, namun seringkali citra yang kita
miliki mengalami penurunan intensitas mutu, misalnya mengandung cacat atau
derau (noise), warnanya terlalu kontras atau kabur tentu citra seperti ini akan sulit

14
 direpresentasikan sehingga informasi yang ada menjadi berkurang. Agar citra yang
mengalami ganguan mudah direpresentasikan maka citra tersebut perlu
dimanipulasi menjadi citra lain yang kualitasnya lebih baik. Pengolahan citra adalah
pemrosesan citra khususnya dengan menggunakan komputer menjadi citra yang
lebih baik. Umumnya operasi-operasi pengolahan citra diterapkan pada citra
apabila:

1) Perbaikan atau memodifikasi citra perlu dilakukan untuk meningkatkan

kualitas penampakan atau untuk menonjolkan beberapa aspek informasi yang
terkandung di dalam citra.

2) Elemen didalam citra perlu dikelompokkan, dicocokkan dan diukur.

3) Sebagian citra perlu digabung dengan bagian citra yang lain.

d. Operasi Pengolahan Citra

Operasi yang dilakukan untuk mentransformasikan suatu citra menjadi citra
lain dapat dikategorikan berdasarkan tujuan transformasi maupun cakupan operasi
yang dilakukan terhadap citra. Berdasarkan tujuan transformasi operasi
pengolahan citra dikategorikan sebagai berikut :

1) Peningkatan Kualitas Citra (Image Enhancement)

Contoh-contoh operasi perbaikan citra:

a. Perbaikan kontras gelap/terang

b. Perbaikan tepian objek (Edge Enhancement)

c. Penajaman (Sharpening)

2) Pemulihan Citra (Image Restoration)

Pemulihan Citra atau restorasi citra adalah proses penghilangan atau

pengurangan degradasi pada citra yang terjadi karena proses akuisisi citra.
Degradasi yang dimaksud adalah derau atau efek optis misalnya kabur ( blur)
akibat kamera yang tidak fokus atau karena gerakan kamera. Teknik restorasi
citra meliputi operasi ketetanggaan dan juga penggunaan proses-proses pada

15
 domain frekuensi. Restorasi citra juga bertujuan menghilangkan atau
meminimalkan cacat pada citra. Contoh-contoh operasi restorasi citra[11] [21]:

a. Penghilangan kesamaran (Deblurring)

b. Penghilangan derau (Noise)

3) Segmentasi citra

Jenis operasi ini bertujuan untuk memecah suatu citra ke dalam

beberapa segmen dengan suatu kriteria tertentu. Jenis operasi ini berkaitan
erat dengan pengenalan pola.

Terdapat dua pendekatan utama dalam segmentasi citra yaitu

didasarkan pada tepi (edge based) dan didasarkan pada wilayah (region based).
Segmentasi didasarkan pada tepi membagi citra berdasarkan diskontinuitas di
antara subwilayah (sub-region), sedangkan segmentasi yang didasarkan pada
wilayah bekerjanya berdasarkan keseragaman yang ada pada sub-wilayah
tersebut. Hasil dari segmentasi citra adalah sekumpulan wilayah yang
melingkupi citra tersebut, atau sekumpulan kontur yang diekstrak dari citra
(pada deteksi tepi). Tiap piksel dalam suatu wilayah mempunyai kesamaan
karakteristik atau properti yang dapat dihitung (computed property), seperti:
warna (color), intensitas (intensity), dan tekstur (texture).

4) Analisis citra (Image Analysis)

Contoh-contoh operasi Analisis citra :

a. Pendeteksian tepi (edge detection)

b. Ekstraksi batas (boundary)

c. Representasi batas (region)

e. Deteksi Tepi

16
 Edge adalah operasi yang dijalankan untuk mendeteksi garis tepi (edges)
atau boundary untuk segmentasi, registrasi, dan identifikasi objek yang merupakan
beberapa bagian dari citra dimana intensitas kecerahan berubah secara drastis.

Deteksi Tepi (Edge Detection) pada suatu citra adalah suatu proses yang
menghasilkan tepi-tepi dari obyek-obyek citra, tujuannya adalah untuk menandai
bagian yang menjadi detail citra dan memperbaiki detail dari citra yang kabur, yang
terjadi karena error atau adanya efek dari proses akuisi citra. Suatu titik (x,y)
dikatakan sebagai tepi (edge) dari suatu citra bila titik tersebut mempunyai
mempunyai perbedaan yang tinggi dengan tetangganya. Tepian dari suatu citra
berada pada titik yang memiliki perbedaan intensitas yang tinggi. Berdasarkan
prinsip-prinsip filter pada citra, maka tepian suatu citra dapat diperoleh
menggunakan High Pass Filter (HPF), yang mempunyai karakteristik.

ada beberapa macam metode yang dapat digunakan untuk proses deteksi
tepi, diantaranya adalah metode Robert, metode Prewitt, metode Sobel dan
lainnya.

1) Operator Roberts
Roberts Operator merupakan variasi dari rumus Gradient Operator
dengan arah orientasi sebesar 45 derajat dan 135 derajat pada bidang citra.
Ini berarti gradient dihitung dengan memanfaatkan titik yang berada pada
arah orientasi 45 derajat dan 135 derajat yaitu : f(x+1,y+1) dan f(x-1,y+1)
Selain itu operator ini merupakan penjabaran dari teknik diferensial pada arah
horisontal dan diferensial pada arah vertikal dengan menambahkan proses
konversi biner dengan meratakan distribusi warna hitam dan warna putih.
Kernel filter yang digunakan dalam metode Robert ini adalah

17
2) Operator Prewitt
Pengembangan dari gradient operator dengan menggunakan 2 mask
(horizontal dan vertikal) ukuran 3x3. Pada operator ini kekuatan gradient
ditinjau dari sudut pandang horizontal dan vertikal (memperhatikan titik
disekitar pada posisi horizontal dan vertikal). Selain itu metode Prewitt
merupakan pengembangan metode Robert dengan menggunakan filter HPF
yang diberi satu angka nol penyangga. Metode ini mengambil prinsip dari
fungsi laplacian yang dikenal sebagai fungsi untuk membangkitkan HPF. Kernel
fillter yang digunakan dalam metode Prewitt ini adalah:

3) Operator Sobel
Satu cara untuk menghindari gradien yang dihitung pada titik
interpolasi dari piksel-piksel yang terlibat adalah dengan menggunakan jendela
3x3 untuk perhitungan gradien, sehingga perkiraan gradien berada tepat di
tengah jendela. Operator Sobel adalah operator yang paling banyak digunakan
sebagai pelacak tepi karena kesederhanaan dan keampuhannya.

Selain itu metode Sobel merupakan pengembangan metode Robert

dengan menggunakan filter HPF yang diberi satu angka nol penyangga.
Metode ini mengambil prinsip dari fungsi laplacian dan gaussian yang dikenal
sebagai fungsi untuk membangkitkan HPF. Kelebihan dari metode sobel ini
adalah kemampuan untuk mengurangi noise sebelum melakukan perhitungan
deteksi tepi. Kernel filter yang digunakan dalam metode Sobel ini adalah:

18
4) Operator canny
Salah satu algoritma deteksi tepi modern adalah deteksi tepi dengan
menggunakan metode Canny. Canny edge detector dikembangkan oleh John
F. Canny pada tahun 1986 dan menggunakan algoritma multi-tahap untuk
mendeteksi berbagai tepi dalam gambar. Walaupun metode tersebut telah
berumur cukup lama, namun metode tersebut telah menjadi metode deteksi
tepi standar dan masih dipakai dalam penelitan.

Ada beberapa kategori algoritma yang dikembangkan oleh John F.

Canny, yaitu sebagai berikut:

a. Mendeteksi dengan baik (kriteria deteksi) Kemampuan untuk meletakkan

dan menandai semua tepi yang ada sesuai dengan pemilihan parameter-
parameter konvolusi yang dilakukan. Sekaligus juga memberikan
fleksibilitas yang sangat tinggi dalam hal menentukan tingkat deteksi
ketebalan tepi sesuai yang diinginkan.

b. Melokalisasi dengan baik (kriteria lokalisasi) Dengan Canny dimungkinkan

dihasilkan jarak yang minimum antara tepi yang dideteksi dengan tepi
yang asli.

c. Respon yang jelas (kriteria respon) Hanya ada satu respon untuk tiap
tepi. Sehingga mudah dideteksi dan tidak menimbulkan kerancuan pada
pengolahan citra selanjutnya.

Dengan rumusan kategori tersebut, maka canny edge detector optimal

untuk kelas tepian tertentu(dikenal sebagai step edge).

Algoritma canny berjalan dalam 5 langkah yang terpisah, antara lain:

1. Smoothing

19
 Mengaburkan gambar untuk menghilangkan noise.

2. Finding Gradien

Penandaan tepian harus ditandai pada gambar yang memiliki gradien

yang besar.

3. Non-maximum-suppresion

Hanya gradient maksimum yang harus ditandai sebagai edge.

4. Double thresholding

Tepian yang berpotensi ditentukan oleh thresholding.

5. Edge tracking by hysteresis

Tepian final ditentukan dengan menekan semua sisi yang tidak terhubung
dengan tepian yang sangat kuat.

1. Smoothing
Tidak dapat dipungkiri bahwa semua gambar yang diambil dari kamera
akan berisi sejumlah noise. Untuk mencegah salah dideteksi sebagai tepian
noise harus dikurangi (smoothing). Oleh karena itu pada langkah pertama
gambar harus diperhalus dengan menggunakan Gaussian filter. Berikut ini
adalah salah satu contoh filter Gaussian dengan 𝜎 = 1,4,

2 4 5 4 2
1 4 9 12 9 4
B= 5 12 15 12 5
115
4 9 12 9 4
[2 4 5 4 2]

20
 Gambar 2.7 – (kiri) gambar asli, (kanan) gambar hasil
smoothing

2. Finding Gradient
Algoritma Canny pada dasarnya menemukan titik tepi pada gambar
grayscale dengan melihat perubahan nilai intensitas yang paling besar, dimana
daerah tersebut ditemukan dengan menentukan gradient pada gambar.
Gradient pada setiap piksel gambar yang teah diperhalus ditentukan dengan
menerapkan operator sobel. Langkah kedua adalah memperkirakan gradient
pada arah x dan y.

−1 0 1 1 2 1
𝐾𝐺𝑋 = [−2 0 2] & 𝐾𝐺𝑌 = [ 0 0 0]
−1 0 1 −1 −2 −1

Magnitudo gradient (kekuatan tepi) dapat ditentukan sebagai jarak

Euclidean yang diukur dengan menerapkan hokum Phytagoras. Yang
terkadang disederhanakan dengan menerapkan ukuran jarak Manhattan.

𝐺 = √𝐺𝑋2 + 𝐺𝑌2 𝐺 = 𝐺𝑋 + 𝐺𝑌

Dimana:

Gx dan Gy adalah gradient pada masing-masing arah x dan y.

21
 Hal ini tampak jelas, bahwa gambar dengan gradient yang besar
sering menunjukkan tepian yang cukup jelas. Namun, biasanya hasil tepian
masih kasar, sehingga tidak dapat menunjukkan persis di mana tepian yang
sebenarnya. Karena itu diperlukan suatu persamaan untuk menentukan tepian
yang sebenarnya.

𝐺𝑋
𝜃 = arctan ( )
𝐺𝑌

Gambar 2.8 – (Kiri)Gambar yang diperhalus, (kanan)

Magnitude Gradien

3. Non-Maximum suppression
Pada langkah ketiga bertujuan untuk mengkorversikan tepian yang
masih blurred pada gambar hasil magnitude gradien hingga menhasilkan
tepian yang tajam. Pada dasarnya hal ini dilakukan dengan mempertahankan
semua maxima lokal dalam gambar gradien dan menghapus segala sesuatu
yang lain. Algoritma adalah untuk setiap piksel pada gambar gradien adalah
sebagai berikut:

a. Putar arah gradien θ ke arah 45ْ terdekat, kemudian hubungkan

dengan 8 titik tetangga yang terhubung dengannya.
b. Bandingkan nilai piksel tepian saat ini dengan nilai piksel tepian dalam
arah positif dan negative gradien. Jika arah gradien adalah utara (θ
=90 ◦), bandingkan dengan piksel ke utara dan selatan.
c. Jika nilai piksel tepian saat ini adalah yang terbesar, maka simpan nilai
tepian tersebut, namun jika bukan, hapus nilai tersebut.

22
 Sebuah contoh sederhana dari penghapusan non maksimum
ditunjukkan pada Gambar 4. Hampir semua piksel yang memiliki arah gradien
yang menunjukkan arah utara, oleh karena itu mereka dibandingkan dengan
piksel atas dan bawah. Piksel yang berubah menjadi maksimal dalam
perbandingan ini ditandai dengan warna putih pada perbatasan, sisanya
dihapus.

Gambar 2.9 – Ilustrasi Penghapusan Non-Maksimum

Gambar 2.10 – (kiri) Hasil gradient, (kanan) setelah

penghapusan Non-Maksimum

4. Double Thresholding

Piksel tepian yang tersisa setelah dilakukan penghapusan non

maksimum ditandai dengan nilai piksel per piksel yang kuat. Kebanyakan dari
titik ini adalah tapian yang nyata pada gambar, akan tetapi beberapa
kemungkinan disebabkan oleh noise atau variasi wana karena permukaan
yang kasar. Cara paling sederhana untuk membedakannya adalaha
menggunakan nilai threshold (ambang batas) sehingga hanya tepian dengan

23
nilai yang kuar yang akan dipertahankan. Disini pada algoritma Canny
menggunakan sistem thresholding ganda dimana tepian dengan nilai yang
lebih besar dari threshold atas ditandai sebagai titik kuat, tepian dengan nilai
yang lebih kecil dari threshold bawah akan dihapus, dan tepian dengan nilai
piksel antara threshold atas dengan threshold bawah akan ditandai sebagai
tepian yang lemah. Hasil pada contoh gambar menggunakan threshold 20 dan
80.

Gambar 2.11 – (kiri) setelah penghapusan Non-Maximum,

(kanan) Thresholding ganda

5. Edge Tracking by hysteresis

Tepian yang kuat diintepretasikan sebagai "tepian yang pasti" dan

dapat segera dimasukkan sebagai tepian pada gambar akhir. Tepi lemak
termasuk jika dan hanya jika mereka terhubung ke tepi yang kuat, dengan
logika bahwa noise dan variasi warna tidak mungkin untuk menghasilkan tepi
yang kuat (dengan penyesuaian yang tepat dari thresholding). Dengan
demikian tepian yang kuatlah yang akan menghasilkan tepian yang asli pada
gambar. Tepian yang lemah dapat terjadi karena memang merupakan tepian
yang nyata atau noise / variasi warna. Edge tracking dapat dilakukan dengan
analisis BLOB (Binary Large Object). Piksel tepian dibagi dalam BLOB yang
terkoneksi menggunakan 8 hubungan tetangga. BLOB yang mengandung
setidaknya 1 piksel tepian yang kuat akan disimpan, sedangkan lainnya
dihapus. Efek edge tracking pada gambar contoh ditunjukkan pada gambar
berikut.

24
 Gambar 2.12 – (Kiri)Thresholding Ganda, (tengah) Edge
Tracking by hysteresis, (kanan)Hasil Akhir

2.2 Tinjauan Studi

Berikut adalah ringkasan dari beberapa penelitian sebelumnya yang berkaitan dengan
deteksi uang palsu serta deteksi tepi dengan operator canny:

1. Dalam penelitian yang dilakukan oleh Rajmi Nema, dikatakan bahwa deteksi tepi
adalah alat fundamental, yang umum digunakan dalam banyak aplikasi pengolahan
citra untuk memperoleh informasi dari gambar. Deteksi tepi secara signifikan
mengurangi jumlah data dan menyaring informasi yang tidak berguna, tapi tetap
menjaga sifat struktural penting dalam sebuah gambar. Karena itu sangat penting
untuk memiliki pemahaman yang baik tentang metode deteksi tepi. Dalam
penelitian ini penulis mempelajari teknik deteksi tepi yang paling umum digunakan
yaitu Canny, Sobel, Prewitt, dan robert serta membandingkan kinerja masing-
masing teknik. Dari hasil percobaan menggunakan bantuan MATLAB R2010a
menunjukkan bahwa algoritma deteksi tepi dengan C anny lebih berat dibandingkan
dengan Sobel, Prewitt, dan Robert. Namun, Canny dapat melakukan deteksi tepi
lebih baik daripada operator lain. ([NEMA 2013], 1)

2. Penelitian yang dilakukan oleh Rubeena Mirza, menjelaskan bahwa masalah

pemalsuan telah menjadi lebih dan lebih serius. Di masa lalu, hanya percetakan
tertentu yang memiliki kemampuan untuk membuat mata uang kertas palsu , tapi
hari ini adalah hal yang mungkin bagi setiap orang untuk mencetak uang kertas
palsu hanya dengan menggunakan sebuah komputer dan printer laser di rumah.
Oleh karena itu isu efisien membedakan uang kertas palsu dari yang asli melalui
mesin otomatis telah menjadi lebih dan lebih penting. Uang palsu adalah masalah
hampir setiap negara, tetapi India telah terpukul sangat keras dan telah menjadi

25
 masalah yang sangat akut. Karena itu muncul kebutuhan untuk merancang suatu
sistem yang dapat membantu dalam pengenalan mata uang kertas dengan cepat.
Sistem yang diusulkan ini menjelaskan pendekatan untuk verifikasi uang kertas
mata uang India. Mata uang akan diverifikasi dengan menggunakan teknik
pengolahan citra. Pendekatan ini terdiri dari sejumlah komponen termasuk
pengolahan citra, deteksi tepi, segmentasi citra, ekstraksi ciri, dan membandingkan
gambar. Teknik ini menggunakan empat karakteristik mata uang kertas, termasuk
tanda identifikasi, benang pengaman, gambar laten dan watermark. Sistem ini akan
mengekstrak fitur tersembunyi yaitu gambar laten dan watermark mata uang
kertas. Solusi yang diusulkan adalah upaya untuk menunjukkan pendekatan untuk
ekstraksi karakteristik mata uang kertas India. Pendekatan yang disarankan dari
awal akuisisi gambar untuk mengubahnya menjadi gambar skala abu-abu sampai
segmentasi kata. Penelitian ini akan sangat berguna untuk meminimalkan
peredaran uang palsu. ([MIRZA 2012], 2)

3. Pada penelitian yang dilakukan oleh Arcangelo Bruna,dkk, membangun komponen

hardware dan software untuk mendeteksi pemalsuan uang kertas Euro. Sistem
yang diusulkan ini juga mampu mengenali nilai uang kertas. Berbeda dari metode
lain yang mendeteksi uang kertas melewati cahaya emitter dan sensor di daerah
gelap, pendekatan yang diusulkan membuat penggunaan gambar uang kertas yang
diperoleh dengan kamera inframerah untuk melakukan verifikasi dan otentikasi. Hal
ini memungkinkan seseorang untuk membangun sebuah sistem yang dapat secara
efektif mengenali uang palsu, yang biasanya tidak terdeteksi dengan cahaya biasa
sekaligus mengidentifikasi nilai kepalsuan pada uang. Perancangan hardware pada
tulisan ini tidak dilakukan secara khusus, sehingga keseluruhan sistem dibangun
dengan biaya yang murah. Solusi yang diusulkan dapat diterapkan pada lingkungan
dengan tingkat pencahayaan kamar. Pengguna hanya perlu meletakkan uang
kertas yang akan dianalisis pada kaca datar yang merupakan bagian dari alat
pendeteksi uang palsu, kemudian sistem akan mendeteksi pemalsuan serta
memverifikasi nilai uang kertas. Efektivitas solusi yang diajukan telah diuji secara
nyata benar pada dataset uang kertas Euro asli dan palsu yang disediakan oleh
bank sentral Italia. ([BRUNA 2013], 3)

26
4. Penelitian yang dilakukan oleh Yeffry Handoko Putra, menjelaskan saat ini
pengujian keaslian dari uang kertas menggunakan alat ultraviolet sudah umum
digunakan. Keakurasian alat ini sudah cukup memadai, tentunya dengan dibantu
oleh keahlian dari manusia yang menjadi pengamatnya. Kesulitan akan terjadi jika
pengecekan keaslian dilakukan pada jumlah lembar uang yang banyak karena akan
membutuhkan waktu yang cukup lama. Pada penelitian ini akan dibuat suatu
metoda alternatif yang menguji keaslian uang baru dengan memanfaatkan scanner
gambar biasa dengan anggapan bahwa setiap uang baru yang asli memiliki kriteria
khas yang harus terpenuhi yaitu ketajaman dan kualitas dalam hasil cetak, yang
akan dideteksi melalui teknik penelusuran pola mempergunakan pernrosesan citra
dan jaringan syaraf tiruan. Kriteria khas yang dipilih berupa cetakan nilai uang dan
pola ukiran. Penelitian ini dilakukan pada uang rupiah baru (Rp 20.000) dua puluh
ribu dan memberikan hasil uji 90% untuk 10 data yang terdiri dari 6 uang asli dan
4 uang palsu. ([YEFFRY 2003], 4)

Tabel 2.1 Tinjauan Studi

Ciri
No. Judul Pengarang Metode Hasil
Khas/Temuan
1. Edge Detection Rajni Membandingkan Deskriptif algoritma
Operators on Nema, Dr. macam-macam Eksperimen deteksi tepi
Digital Image A.K. algoritma deteksi Canny yang
[NEMA 2013] Saxena tepi. memberikan
hasil yang lebih
baik daripada
Sobel dan
Prewitt.
2. Paper Currency Rubeena Empat Ekperimen Pendekatan
Verification Mirza, Vinti karakteristik yang disarankan
System Based Nanda Mata uang kertas dalam penelitian
on termasuk tanda ini mulai dari
identifikasi, gambar di
akuisisi untuk

27
 Characteristic benang mengubahnya
Extraction pengaman, laten menjadi gambar
Using Image gambar dan skala abu-abu ,
Processing watermark. sampai ke
[MIRZA 2012] segmentasi kata
cukup
menjanjikan. Hal
ini tentu akan
sangat
berguna untuk
meminimalkan
peredaran uang
palsu
3. Forgery Arcangelo Ada beberapa Eksperimen Dengan
Detection and Bruna, fitur yang dapat memanfaatkan
Value Giovanni digunakan untuk sinar inframerah
Identification of Maria mendeteksi yang
Euro Banknotes Farinella, pemalsuan pada ditembakkan
[BRUNA 2013] Giuseppe uang kertas euro, pada bagian
Claudio antara lain jenis tertentu dari
Guarnera kertas, uang kertas
dan watermark, tinta euro, akan dapat
Sebastiano yang digunakan, mengidentifikasi
Battiato inframerah, dan keaslian dari
ultraviolet uang tersebut
sesuai dengan
fitur-fitur yang
ada
4. Perancangan Yeffry Deteksi cetakan Eksperimen Penggunaan dua
Sistem Handoko nilai uang dan cirri khas yang
Pengujian Putra pola ukiran. terdiri dari
Uang Palsu cetakan nilai

28
 Mempergunak uang dan logo
an Scanner ukiran dapat
Gambar dijadikan
[YEFFRY 2003] alternative
dalam
mendeteksi
uang palsu

Berdasarkan tinjauan studi diatas, maka perbedaan penelitian ini dengan

penelitian sebelumnya yaitu terletak pada metode penelitian yang digunakan baik dari
algoritma yang digunakan maupun teknik pengambilan data.

2.3 Tinjauan Objek Penelitian

Pada penelitian tesis ini obyek penelitian yang akan menjadi fokus bagi penulis
adalah gambar uang yang diambil dengan menggunakan kamera pada smartphone
untuk dideteksi oleh sistem(server) dengan menggunakan metode deteksi tepi dengan
operator canny.

2.4 Kerangka Pemikiran

Dalam melakukan penelitian ini, digunakan kerangka pemikiran sebagaimana
dapat dilihat pada gambar berikut:

29
 Pemanfaatan
metode canny
serta Teknologi
Kondisi Saat Ini Client-Server Kondisi Yang
1. Deteksi uang untuk Diharapkan
palsu dengan membedakan 1. Dapat digunakan
cara 3D (Dilihat, uang asli/palsu sebagai langkah
untuk menekan
Diraba,
peredaran uang
Menerapkan teknik
Diterawang). palsu.
deteksi tepi
menggunakan 2. Membantu
2. Alat yang banyak
masyarakat untuk
metode canny
digunakan saat lebih memahami
untuk membedakan perbedaan uang
ini adalah dengan
uang asli/palsu dan palsu dengan uang
sinar ultraviolet.
sistem client-server asli.

yang dapat
mempercepat
proses
identifikasinya

Gambar 2.13 Kerangka Pemikiran

2.5 Hipotesis
Hipotesis dari penelitian ini adalah dengan memanfaatkan teknik deteksi tepi
pada pengolahan citra digital menggunakan operator/algoritma canny diharapkan dapat
membedakan antara uang asli dengan uang palsu. Serta dengan memanfaatkan
smartphone dan teknologi client-server akan dapat meningkatkan efisiensi dan
efektivitas dari segi waktu maupun tempat perolehan informasi, sehingga dapat
membantu masyarakat agar lebih memahami perbedaan uang asli dengan uang palsu
dan juga dapat menekan peredaran uang palsu di Indonesia.

30
 BAB III
DESAIN PENELITIAN

3.1 Metode Penelitian

Metode yang digunakan dalam Penelitian ini adalah metode eksperimen.
Eksperimen dalam penelitian ini bertujuan untuk mencari nilai batasan dari gambar uang
asli dengan operator canny. Dengan metode ini gambar uang asli yang diambil
menggunakan kamera smartphone akan melalui beberapa proses, antara lain: konversi
gambar dari RGB ke Grayscale, perbaikan kualitas gambar, proses binerisasi, proses
dilasi, proses erosi, proses, proses deteksi tepi, deteksi karakteristik mata uang kertas
dan disegmentasi. Nilai yang didapat dari hasil proses tersebut akan dijadikan acuan
dalam penentuan asli atau tidaknya. Dalam pengambilan nilai ini perlu dilakukan
beberapa pengkondisian dari uang kertas, pengkondisian yang dimaksud adalah tingkat
kerusakan pada uang tersebut, mulai dari 0% sampai dengan 80% dengan begitu nilai
batasan yang didapat akan menjadi valid untuk menjadi acuan dalam pendeteksian
uang.

3.2 Pemilihan sampel

Sampel yang digunakan dalam penelitian ini diambil dari beberapa sumber yang
berbeda, yang pertama uang asli yang difotokopi dimana hasil dari fotokopi hanya
berwarna hitam putih, kedua uang asli yang discan menggunakan scanner dan
kemudian dicetak berwarna, kemudian uang palsu yang beredar dimasyarakat.
Sedangkan uang asli yang digunakan untuk pencarian nilai batasan didapat dari
pengambilan uang dari salah satu bank.

3.3 Metode Pengumpulan Data

Data untuk penelitian ini berasal dari data primer dan sekunder. Data primer
didapat dari observasi lapangan dan uji coba. Data sekunder didapat dari kajian literatur
yang terkait dengan tema penelitian ini.

a. Studi Literatur

31
 Studi literatur dilakukan peneliti dengan mempelajari berbagai referensi
dan tulisan ilmiah tentang penelitian mengenai uang palsu ( currency counterfeit),
serta teknik pengolahan citra digital.

b. Observasi Lapangan
Pada observasi lapangan, peneliti melakukan pengambilan sample –
sample uang, baik melalui bank maupun uang yang sudah beredar dimasyarakat.

3.4 Langkah-langkah Penelitian

Dalam pelaksanaan penelitian diperlukan acuan dasar pelaksanaan agar penelitian ini
dapat berjalan dengan baik, sehingga dapat diimplementasikan dan memberikan hasil yang
diharapkan. Berikut ini merupakan langkah-langkah yang dilakukan peneliti dalam penelitian
ini :

Studi Pustaka

Pengumpulan
Sample

Membuat
Rancangan
Implementasi

Simulasi dan
Pengujian sample

Analisa hasil
Simulasi

Penarikan
Kesimpulan

Gambar 3.1 Langkah-langkah Penelitian

Penjelasan dari langkah-langkah penelitian diatas akan dijelaskan sebagai berikut :

1. Studi Pustaka.

32
 Setelah menentukan ide untuk penelitian, penulis melakukan studi pustaka
dengan membaca dan mempelajari informasi yang berkaitan dengan ide
penelitian. Pada tahap ini peneliti juga mengumpulkan informasi untuk persiapan
dalam melakukan peracangan & implementasi sistem

2. Pengumpulan & Analisa Data Sample.

Setelah melakukan studi pustaka peneliti mulai mengumpulkan sample-sample

yang terkait dengan uang palsu. Setelah mempelajari dan mengumpulkan sample,
langkah selanjutnya adalah membuat rancangan dan implementasi aplikasi
“Currency Counterfeit Detection”.

3. Perancangan & Implementasi Sistem.

Ketika sudah mendapatkan data sample yang dikehendaki maka langkah

selanjutnya adalah melakukan perancangan & implementasi sistem untuk
melakukan pendeteksian uang palsu, yang dilanjutkan hingga sistem dapat
menampilkan gambar uang yang sudah diproses dengan deteksi tepi operator
canny.

4. Simulasi & Pengujian Sistem

Setelah tahap implementasi sistem sudah berjalan maka tahap selanjutnya adalah
melakukan simulasi sistem dengan skenario yang menggunakan data sample
yang sudah ditentukan sebelumnya. Hal ini dilakukan untuk menguji kinerja
sistem dalam menghasilkan nilai yang akan menjadi batasan dalam menentukan
keaslian uang tersebut.

Pada tahap simulasi dan pengujian, akan dilakukan beberapa langkah, antara lain:

a. Mengekstrak uang asli, dimana nilai yang didapat akan menjadi acuan
dalam membedakan uang asli dengan uang palsu.

33
 Gambar 3.2 Ektraksi Uang Asli

b. Setelah didapatkan nilai dari hasil mengekstrak uang asli, langkah

selanjutnya adalah melakukan pengujian terhadap sample – sample yang
telah diperoleh.

5. Analisa Hasil Simulasi

Pada tahap ini, peneliti mengumpulkan hasil dari tahap simulasi & ujicoba sistem
yang sudah dilakukan untuk kemudian dianalisa hingga menghasilkan sebuah
informasi yang menunjukan kinerja sistem yang sebenarnya. Hasil dari analisa
akan digunakan sebagai dasar dalam penarikan kesimpulan atas penelitian ini.

6. Pengambilan Kesimpulan

Tahap ini dilakukan dengan menggunakan data hasil analisa simulasi & ujicoba
untuk kemudian diambil sebuah kesimpulan yang dapat dijadikan sebagai
gambaran dari kinerja sistem yang meliputi pembuktian teori dari ide penelitian,
kinerja sistem dalam menghasilkan output serta kekurangan yang masih dimiliki
oleh sistem.

3.5 Jadwal Penelitian

Tabel 3.1 Jadwal Penelitian

2013 2014
No Jadwal Kegiatan
Sep Okt Nov Des Jan Feb
1 Menentukan Pembimbing
Mengumpulkan Data & Bahan
2
Proposal
3 Penyusunan Proposal Thesis
4 Sidang Proposal
Implementasi & Uji coba
5
Penelitian
6 Penyelesaian Naskah Thesis
7 Sidang Thesis

34
8 Perbaikan Naskah Thesis

35
 BAB IV
PENUTUP

4.1 Kesimpulan
Berdasarkan dari uraian proposal penelitian yang diajukan, maka dapat
disimpulkan penelitian ini diharapkan dapat membedakan uang asli dengan uang palsu
berdasarkan kriteria – kriteria terkait. Dengan diketahuinya kriteria tersebut diharapkan
dapat bermanfaat bagi masyarakat yang kurang memahami perbedaan uang palsu
dengan uang asli. Serta dengan adanya penelitian ini diharapkan dapat menekan tingkat
peredaran uang palsu di Indonesia.

36
 DAFTAR PUSTAKA

[Bruna 2013] Bruna, Arcangelo, Farinella, G.M., Guarnera, G.C., Sebastiano Battiato. 2013.
Forgery Detection and Value Identification of Euro Banknotes. ISSN 1424-8220
www.mdpi.com/journal/sensors

[Gonzales 2003] Gonzales, Rafael C. Richard E. Woods, Steven L. Eddins. 2003. Digital Image
Processing Using Matlab.

[Nema 2013] Nema, Rajni, Dr. A. K. Saxena. 2013. Edge Detection Operators on Digital Image.
INTERNATIONAL JOURNAL OF ENGINEERING SCIENCES & RESEARCH
TECHNOLOGY ISSN: 2277-9655

[Parminder 2011] Reel, Parminder Singh, Gopal Krishan, Smarti Kotwal. 2011. Image
Processing based Heuristic Analysis for Enhanced Currency Recognition. Electronics and
Communication Engineering, Thapar University, Patiala, http://ijict.org/ ISSN
0976-4860.

[Rubeena Mirza 2012] Mirza, Rubeena, Vinti Nanda. 2012. Paper Currency Verification System
Based on Characteristic Extraction Using Image Processing, International Journal of
Engineering and Advanced Technology (IJEAT) ISSN: 2249 – 8958, Volume-1,
Issue-3, February 2012.

[Vijay G. Baskar 2013] G. Baskar, Vijay, N. Sathees Kumar, N. Karthick. 2013. Research
Analysis of Cloud Computing, IJCSMC, Vol. 2, Issue. 5, May 2013, pg.313 – 316.

[Yaojia 2010] Wang, Yaojia, Siyuan Lin. 2010. Currency recognition system using image
processing. Bachelor Thesis, 15 hp, Computer Science, Akademin för teknik och miljö
Högskolan i Gävle (Academy for Technology and Environtment, University of Gavle,
Sweden).

[Yeffry 2003] Handoko Putra, Yeffry. 2003. Perancangan Sistem Pengujian Uang Palsu
Mempergunakan Scanner Gambar. Jurnal From
http://digilib.itb.ac.id/download.php?id=1969.

37