ABSTRAKSI: Peningkatan peredaran uang palsu saat ini mendorong penciptaan sistem pendeteksian uang asli atau uang palsu berbasis pengolahan digital. Kecanggihan teknologi sering disalahgunakan. Salah satunya kualitas printer maupun tintanya yang semakin bagus sehingga dapat mencetak lembaran uang yang sangat mirip dengan uang asli. Hal ini membuat masyarakat harus lebih hati-hati terhadap kepemilikan uang.
Tugas Akhir ini membahas pendeteksian uang dengan menggunakan metode Principal Component Analysis (PCA) dan Support Vektor Machine (SVM). Ekstraksi ciri menggunakan metode PCA merupakan tahapan untuk mencari fitur-fitur penting yang mewakili sebuah citra. Sedangkan untuk klasifikasi menggunakan metode SVM yaitu mencari hyperplane terbaik yang dapat memisahkan setiap kelas uang yang satu dengan kelas uang yang lainnya.
Simulasi sistem ini dilakukan dengan bantuan software Matlab R2009a. Sampel yang dideteksi yaitu image uang kertas asli pecahan Rp.100.000, Rp.50.000, dan Rp.20.000, image uang kertas palsu Rp.100.000, Rp.50.000, dan Rp.20.000, diambil menggunakan webcam lalu diolah dengan pengolahan citra digital untuk mendapatkan informasi kondisi dari keaslian uang tersebut. Keluaran dari sistem ini berupa informasi apakah uang yang diproses asli atau palsu.
Sistem ini menggunakan dua macam parameter, yaitu variasi nilai PC pada pengambilan ciri dan variasi nilai C pada multiclass SVM. Tingkat akurasi terbaik diperoleh sistem saat kombinasi PC bernilai 60 dan C bernilai 15 pada multiclass SVM OAA, dan kombinasi PC bernilai 20 dan C bernilai 20 pada multiclass SVM OAO yaitu sebesar 100% dengan waktu komputasi 0.38 detik untuk multiclass OAA dan 0.39 detik untuk multiclass OAO.Kata Kunci : Pendeteksian Uang asli dan Uang palsu, PCA, Multiclass SVM, Informasi Keaslian Uang, Informasi Keaslian UangABSTRACT: The increasing number of counterfeit money circulation nowadays, have driven to creation of detection system based on digital processing authentic or counterfeit money. Technology advanced often being misused. One of them is the improvement of the printer and ink quality so it can print money paper which is very similar with the authentic money. It makes people should be more careful about money ownership.
This final project examine money detection using Principal Component Analysis (PCA) and Support Vector Machine (SVM) method. Characteristic extraction using PCA method is a step to search important features which represent an image. While classification using SVM is searching for best hyperplane which can separate every money class one another.
The system simulation done with matlab R2009a software. Detected sample is authentic money with domination Rp. 100.000, Rp.50.000, and Rp.20.000 image and also counterfeit money with denomination RP.100.000, Rp.50.000, and Rp.20.000 image, which have been taken using webcam the processed by digital image processing to get information about the authentification of money. Output from this system is information wheather money processed is authentic or not.
This system use two kind of parameters, those are PC value variation on characteristic collection an C value variation on SVM multiclass. Best accuration level got by system when PC and C combination value 60 and 15 on OAA SVM multiclass, and PC and c combination value 20 and 20 0n OAO SVM multiclass, which is 100% with computation time 0.38 second for OAA multiclass and 0.39 second for OAO multiclass.Keyword: Detection authentic money and counterfeit money, PCA, SVMMulticlass, Information of Money Authenticity