PROPOSAL TESIS (4) id. docx

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.

1

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...............................................................................................4

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......................................................................................17

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

2

3.1 ................................................................................ Metode Penelitian
............................................................................................................... 31
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

3

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

4

DAFTAR TABEL

Tabel 2.1 Tinjauan Studi.......................................................................................27
Tabel 3.1 Jadwal Penelitian...................................................................................34

5

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

1

a

Identifikasi Masalah
Keterbatasan
membedakan

uang

kemampuan

mata

pada

asli

uang

palsu

dengan

seseorang
menjadi

dalam

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
kegunaan

smartphone

setiap orang mampu memaksimalkan

tersebut

tidak

hanya

sebatas

melakukan

panggilan telpon atau mengirim pesan. Program aplikasi yang dibuat

2

juga dapat dijadikan bahan untuk penelitian lebih lanjut dibidang yang
berkaitan.
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

3

Pada bab ini dijelaskan tentang kesimpulan yang didapatkan
setelah perancangan dan uji coba model testing.
1.5

Daftar Istilah
a Android
Android adalah sistem
perangkat

seluler layar

operasi berbasis Linux yang
sentuh seperti telepon

dirancang

untuk

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 perusahaanperusahaan 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

c

5

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 :

6

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 warnawarna 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

7

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

b.

membutuhkan representasi 1 bit.
Waktu pemrosesan lebih cepat di bandingkan dengan citra hitamputih ataupun warna.

8

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

9

dari 0 sampai 255 atau [0,255], yang dalam hal ini intensitas 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

berbeda.
b.

Format Citra Digital

10

dengan

panjang

gelombang

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 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) :

11

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 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:

12

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
penambahan

pada

transparency,

pemberian

tulisan

dan
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 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

13

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-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.

14

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: 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

15

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 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 :

16

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 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

17

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
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.

18

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

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

19

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:

4) Operator canny
Salah satu algoritma deteksi tepi modern adalah deteksi tepi
dengan

menggunakan

dikembangkan

oleh

metode

John

F.

Canny.

Canny

Canny

pada

edge

tahun

detector

1986

dan

menggunakan algoritma multi-tahap untuk mendeteksi berbagai
tepi dalam gambar. Walaupun metode tersebut telah berumur

20

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
Mengaburkan gambar untuk menghilangkan noise.
2. Finding Gradien
Penandaan tepian harus ditandai pada gambar yang memiliki
gradien yang besar.
3. Non-maximum-suppresion

21

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

B=

1
1 15

[

σ =1,4 ,

2 4 5 4 2
4 9 12 9 4
5 12 15 12 5
4 9 12 9 4
2 4 5 4 2

22

]

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
GX =¿ −2 0 2
−1 0 1
K¿

Magnitudo

gradient

]

&

[

1
2
1
GY =¿ 0
0
0
−1 −2 −1
K¿

(kekuatan

tepi)

dapat

]

ditentukan

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

G=√ G 2X +G 2Y

G=G X + GY

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

23

diperlukan suatu persamaan untuk menentukan tepian yang
sebenarnya.

θ=arctan

GX
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.

24

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

25

(ambang batas) sehingga hanya tepian dengan 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 NonMaximum, (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.

26

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 Canny lebih berat dibandingkan dengan Sobel,
Prewitt, dan Robert. Namun, Canny dapat melakukan deteksi tepi lebih
baik daripada operator lain.

2.

([NEMA 2013], 1)

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

27

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 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.
3.

([MIRZA 2012], 2)

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

28

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.
4.

([BRUNA 2013], 3)

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
No.

Judul

1.

Edge
Detection
Operators on
Digital
Image
[NEMA 2013]

2.

Paper
Currency
Verification
System

Pengaran
g
Rajni
Nema, Dr.
A.K.
Saxena

Ciri
Khas/Temuan
Membandingk
an
macammacam
algoritma
deteksi tepi.

Rubeena
Mirza,
Vinti
Nanda

Empat
karakteristik
Mata
uang
kertas

29

Metode
Deskriptif
Eksperime
n

Ekperime
n

Hasil
algoritma
deteksi tepi
Canny yang
memberikan
hasil yang
lebih baik
daripada
Sobel dan
Prewitt.
Pendekatan
yang
disarankan
dalam

Based on
Characteristi
c Extraction
Using Image
Processing
[MIRZA
2012]

termasuk
tanda
identifikasi,
benang
pengaman,
laten
gambar
dan
watermark.

3.

Forgery
Detection
and
Value
Identification
of
Euro
Banknotes
[BRUNA
2013]

Arcangelo
Bruna,
Giovanni
Maria
Farinella,
Giuseppe
Claudio
Guarnera
dan
Sebastian
o Battiato

Ada beberapa
fitur
yang
dapat
digunakan
untuk
mendeteksi
pemalsuan
pada
uang
kertas
euro,
antara
lain
jenis
kertas,
watermark,
tinta
yang
digunakan,
inframerah,
dan ultraviolet

Eksperime
n

4.

Perancangan
Sistem
Pengujian
Uang Palsu
Memperguna
kan Scanner
Gambar
[YEFFRY
2003]

Yeffry
Handoko
Putra

Deteksi
cetakan
nilai
uang dan pola
ukiran.

Eksperime
n

30

penelitian ini
mulai
dari
gambar
di
akuisisi untuk
mengubahnya
menjadi
gambar skala
abu-abu
,
sampai ke
segmentasi
kata
cukup
menjanjikan.
Hal ini tentu
akan sangat
berguna untuk
meminimalka
n peredaran
uang palsu
Dengan
memanfaatka
n
sinar
inframerah
yang
ditembakkan
pada
bagian
tertentu dari
uang
kertas
euro,
akan
dapat
mengidentifik
asi
keaslian
dari
uang
tersebut
sesuai dengan
fitur-fitur yang
ada
Penggunaan
dua cirri khas
yang
terdiri
dari cetakan
nilai uang dan
logo
ukiran
dapat
dijadikan
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:

Pemanfaatan
metode canny
serta Teknologi
Kondisi Saat Ini
1. Deteksi
palsu
cara

Kondisi Yang

untuk

Diharapkan

membedakan

1. Dapat digunakan
sebagai langkah
untuk menekan
peredaran uang
palsu.

uang
dengan
3D

(Dilihat,

uang asli/palsu
Menerapkan

D