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.