Pada Gambar 3.11. di atas merupakan gambar data flow diagram level 3. Diagram ini merupakan pemecahan dari data flow diagram level 2. Terdapat user sebagai external
entity, 105 gambar uang sebagai data untuk proses ekstraksi ciri local binary pattern, data label dan ciri untuk menyimpan hasil data dari histogram dari grayscale local
binary pattern, dan 7 data suara hasil identifikasi. Pada data flow diagram level 3 ini terdapat tiga proses yaitu proses pre-processing, proses ekstraksi ciri local binary
pattern dan proses membuat histogram dari grayscale local binary pattern yang merupakan pemecahan dari proses training pada data flow diagram level 2. Selain itu
terdapat tiga proses yaitu proses hitung membagi datatest dan datatrain, hitung jarak, dan klasifikasi k-nearest neighbor yang merupakan pemecahan dari proses
crossvalidasi pada data flow diagram level 2.
3.5. Penjelasan Proses
3.5.1. Baca Data
Proses baca data merupakan proses awal pada kedua proses utama. Proses baca data yang terdapat pada proses pengujian merupakan proses membaca data dari 105
data citra uang yang sudah disiapkan pada suatu folder. Data citra yang dibaca merupakan data citra dengan dimensi 2560piksel x 1920piksel. Proses baca data pada
proses identifikasi merupakan proses baca untuk satu data citra yang dipilih oleh user yang akan dijadikan data yang ingin diidentifikasi nilai nominalnya.
Proses baca data dilakukan menggunakan fungsi imread yang terdapat pada program matlab. Proses baca data akan membaca data gambar dengan format joint
photographic experts group .jpg.jpeg dan mengubahnya menjadi data matriks berskala 8 bit pada matlab. Data matriks yang dihasilkan masih berupa data citra
berwarna yang memiliki 3 layer, yaitu layer Red, Green dan Blue. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
3.5.2. Pre-processing
Setelah dilakukan proses baca data, maka langkah selanjutnya adalah melakukan Pre-processing pada setiap data. Terdapat 2 proses pada tahap
pre-processing yaitu proses resize dan proses grayscaling. Hasil dari pre-processing adalah citra baru yang memiliki skala keabuan dan dimensi matrik berjumlah baris
192 dan kolom 256. Jumlah dimensi matrik berjumlah baris 192 dan kolom 256 dipilih supaya untuk mempercepat proses komputasi dan tidak merubah perbandingan
dimensi baris dan kolom pada citra asli. Jumlah baris 192 dan kolom 256 ditentukan berdasarkan 10 dari jumlah baris dan kolom pada citra asli.
Pada penelitian ini terdapat 2 kali percobaan pada proses resize dalam tahap pengujian, yaitu resize dengan menggunakan dimensi matriks baris 65 dengan kolom
160 dan dimensi matriks baris 192 dan kolom 256. Percobaan ini dilakukan untuk mengetahui apakah proses pre-processing tahap resize berpengaruh pada akurasi
dalam proses pengujian. Berikut merupakan ilustrasi perubahan dari proses pre-processing :
Berdasarkan gambar 3.12. dijelaskan bahwa proses pre-processing yang dilakukan pada tahap grayscaling dilakukan dengan menggunakan fungsi rgb2gray
pada matlab, Sedangkan pada tahap Resize menggunakan fungsi resize pada matlab. Setelah dilakukan proses baca data, proses selanjutnya yang akan dilakukan adalah
mengenakan setiap data dengan proses ekstraksi ciri Local Binary Pattern.
Citra Asli Citra Grayscale
Citra Hasi Resize Resize
Grayscaling
Gambar 3.12. Ilustrasi Hasil Proses Pre-processing PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
3.5.3. Ekstraksi Ciri Local Binary Pattern LBP