No. Nilai Nominal
Uang Hasil
Identifikasi Nilai
Kebenaran Keadaan
data
43 1000004
100000 benar
normal 44
1000005 1000
salah miring
45 1000006
100000 benar
normal
Pada Tabel 4.3. terdapat hasil percobaan identifikasi dari 45 data uang kertas. Berdasarkan data tersebut didapatkan hasil 39 hasil identifikasi bernilai benar dan 6
hasil identifikasi bernilai salah. Terdapat juga percobaan terhadap 2 data uang yang tercoret, 1 data uang yang miring, 1 data uang yang kusam dan 6 data uang yang
buram. Berdasarkan percobaan tersebut kedua data uang yang tercoret dapat diidentifikasi dengan benar, satu data uang yang diambil miring tidak dapat
diidentifikasikan dengan benar, satu data uang yang kusam dapat diidentifikasikan dengan benar, 5 dari 6 data uang yang buram tidak dapat diidentifikasikan dengan
benar dan 1 dari 6 data yang buram dapat diidentifikasikan dengan benar. Berdasarkan hasil identifikasi terhadap 45 data pada Tabel 4.3. terdapat 39
hasil identifikasi bernilai benar dan 6 hasil identifikasi bernilai salah. Bersumber dari hasil identifikasi tersebut dapat diperoleh akurasi dari tahap identifikasi sebesar
86,667 . Nilai akurasi tersebut didapat dengan rumus pada rumus 3.16.
4.2. Analisa Hasil
4.2.1. Analisa Hasil Pengujian
Berdasarkan hasil pada 2 kali pengujian pada dimensi citra hasil resize 65px X 160px dan 192px X 256px, didapatkan hasil bahwa rata-rata lama waktu pengujian
pada citra berdimensi 65px X160px yaitu 32.4890 detik lebih singkat dari citra berdimensi 192px X 256px yaitu 71.5310 detik. Hasil perbandingan dapat dilihat
pada diagram Gambar 4.7. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Gambar 4.7. Grafik Garis Waktu Pengujian Bersumber dari Gambar 4.7. tersebut didapatkan analisa bahwa jumlah piksel
atau dimensi citra yang lebih kecil dapat lebih cepat dalam melakukan proses komputasi. Jumlah piksel yang lebih besar memiliki waktu komputasi yang lebih
lama pada proses ekstraksi ciri, proses pada tahap pengujian dan tahap identifikasi.
Berdasarkan hasil pada 2 kali pengujian pada dimensi citra hasil resize 65px X 160px dan 192px X 256px, didapatkan hasil bahwa rata-rata persentase akurasi
pengujian pada citra berdimensi 65px X160px yaitu 87.4286 lebih kecil dari citra berdimensi 192px X 256px yaitu 93.9048 . Hal ini disebabkan oleh pada pengujian
ke dua dimensi citra menggunakan sepersepuluh dari citra asli yang memiliki dimensi 1920px X 2560px. Sedangkan pengujian pertama pada citra berdimensi 65px
X160px, nilai dimensinya tidak berasal dari penskalaan citra asli.
4.2.2. Analisa Hasil Identifikasi
Pada hasil identifikasi masih terdapat kesalahan identifikasi pada masukan citra yang memiliki jenis masukan citra miring dan blur. Berdasarkan hasil tersebut
dapat dianalisa bahwa pengyebab kesalahan identifikasi pada citra miring adalah hasil ekstraksi ciri yang berbeda pada tahap ekstraksi ciri local binary pattern. Sedangkan
untuk citra blur memiliki kesalahan kualitas kamera yang berkurang yang mengakibatkan kualitas gambar menjadi berbeda dengan data gambar normal.
56
BAB 5 KESIMPULAN DAN SARAN
5.1. Kesimpulan
Berdasarkan penelitian Identifikasi Nilai Nominal Uang Kertas dengan Metode Local Binary Pattern maka dapat ditarik kesimpulan sebagai berikut :
1. Pada penelitian ini data yang digunakan untuk proses Pengujian 3 fold
crossvalidation sebanyak 105 data uang kertas dengan masing-masing 15 data uang untuk 7 nominal uang yaitu Rp.1000 tahun emisi 2000, Rp.2000 tahun
emisi 2009, Rp.5000 tahun emisi 2001, Rp.10.000 tahun emisi 2005, Rp.20.000 tahun emisi 2004, Rp.50.000, tahun emisi 2005 Rp.100.000 tahun emisi 2014.
Pada setiap data dikenakan metode ekstraksi ciri Local Binary Pattern. Setelah itu dilakukan pengujian menggunakan metode 3 fold crossvalidation yang membagi
35 data sebagai data training dan 70 data sebagai data testing. Metode klasifikasi yang digunakan adalah metode k-nearest neighbor dengan pendekatan Euclidean
distance. Berdasarkan pengujian dari 10 nilai k pada crossvalidation hasil terbaik yang didapat adalah nilai k=2 dengan akurasi sebesar 98,0952 dengan waktu
komputasi 66.65 detik. Berdasarkan hasil tersebut dapat disimpulkan bahwa penggunaan metode ekstraksi ciri Local Binary Pattern LBP dan metode
klasifikasi k-Nearest Neighbor KNN dapat digunakan dalam memecahkan masalah identifikasi nilai nominal uang kertas Rupiah
2. Pada penelitian ini data yang digunakan untuk proses Identifikasi sebanyak 45
data uang kertas. Identifikasi yang dilakukan menggunakan model yang didapat dari data training terbaik pada pengujian 3 fold crossvalidation dengan nilai k=2.
Berdasarkan hasil percobaan identifikasi 39 data uang teridentifikasi dengan PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
