BAB 1 PENDAHULUAN
Bab ini menjelaskan tentang latar belakang, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metode penelitian, dan sistematika penulisan dalam penelitian ini.
1.1 Latar Belakang
Kemajuan teknologi telah berkembang dengan pesat. Seiring dengan kemajuan ini, tingkat kebutuhan manusia juga semakin tinggi. Transaksi menggunakan uang juga menjadi semakin tinggi karena perilaku manusia yang konsumtif dalam memenuhi kebutuhan hidup. Sehingga peredaran uang di pasar kini sulit dikendalikan, karena uang merupakan alat tukar menukar untuk memenuhi segala keinginan hidup manusia. Sehingga perlu perhatian dan ketelitian khusus dari masing-masing pihak dalam memeriksa ciri-ciri uang kertas. Terdapat beberapa ciri-ciri khusus dari setiap uang kertas rupiah.
Secara umum, ciri-ciri keaslian uang Rupiah dapat dikenali dari unsur pengaman yang tertanam pada bahan uang dan teknik cetak yang digunakan, yaitu : dengan
memeriksa tanda air (watermark), benang
pengaman (security thread),
cetakan kasar (cetak intaglio), gambar saling isi (rectoverso), tinta berubah warna (optical invisible ink), tulisan mikro (micro text), tinta tidak tampak (invisible ink), dan gambar tersembunyi (latent image) (Bank Indonesia, 2011).
2
Berdasarkan ciri-ciri yang terdapat pada uang kertas, banyak cara untuk memeriksa keaslian uang kertas mulai dari cara manual maupun dengan bantuan alat ultraviolet. Oleh karena itu dilakukanlah penelitian untuk memeriksa tingkat keaslian uang kertas yang beredar berdasarkan persentase kemiripannya dengan uang baru. Pada penelitian ini, dilakukan implementasi perbandingan metode Learning Vector Quantization (LVQ) dan Backpropagation untuk memeriksa keaslian uang kertas berdasarkan citra uang kertas yang diambil melalui kamera digital dengan bantuan lampu ultraviolet untuk melihat ciri khusus yang terdapat pada uang kertas yang tidak dapat dilihat oleh kasat mata atau invisible ink.
Metode Learning Vector Quantization (LVQ) adalah suatu metode untuk melakukan pembelajaran pada lapisan kompetitif yang terawasi. Suatu lapisan akan secara otomatis belajar untuk mengklasifikasikan vektor-vektor input. Kelas-kelas yang didapatkan sebagai hasil dari lapisan kompetitif ini hanya tergantung pada jarak antara vektor-vektor input. Jika ada 2 vektor input mendekati sama, maka lapisan kompetitif akan meletakkan kedua vektor input tersebut kedalam kelas yang sama (Ramadona, 2004).
Metode Backpropagation merupakan metode yang menggunakan nilai error output untuk mengubah nilai bobot arah mundur. Untuk mendapatkan nilai output error, tahapan perambatan maju harus dikerjakan dahulu dengan mengaktifkan neuron (Muis, 2009).
Atas dasar pertimbangan itu, maka penulis akan mengangkat sebuah judul Implementasi dan Perbandingan Metode Learning Vector Quantization (LVQ) dan Metode Backpropagation untuk Memeriksa Keaslian Mata Uang Kertas
1.2 Rumusan Masalah
Berdasarkan latar belakang di atas masalah yang akan diselesaikan adalah bagaimana mengimplementasikan dan membandingkan tigkat keakurasian antara Metode
3
Learning Vector Quantization (LVQ) dengan Metode Backpropagation dalam memeriksa keaslian uang kertas berdasarkan persentasi keasliannya.
1.3 Batasan masalah
Adapun batasan masalah dalam pembahasan masalah ini yang dapat diambil dari latar belakang di atas adalah : 1. Metode yang digunakan adalah metode Learning Vector Quantization (LVQ) dan Backpropagation 2. Pengambilan citra uang kertas melalui kamera digital 3. Mata uang kertas yang diperiksa adalah uang kertas rupiah 4. Cropping dilakukan pada bagian ciri khusus uang yaitu bagian invisible ink 5. Parameter yang dibandingkan adalah waktu pelatihan, waktu pengujian, persentasi keaslian, dan akurasi deteksi berdasarkan jumlah epoch, minimal error, ukuran masukan 6. Fungsi aktivasi pada metode Backpropagation yang digunakan adalah Sigmoid Biner 7. Jenis file citra yang diolah adalah jenis .*jpg
1.4 Tujuan Penelitian
Tujuan penelitian ini untuk menemukan metode yang memiliki persentasi akurasi deteksi yang tepat dalam pemeriksaan uang kertas antara metode Learning Vector Quantization (LVQ) dengan metode Backpropagation.
4
1.5 Manfaat Penelitian
Adapun manfaat penelitian ini antara lain: 1. Dapat mengetahui metode yang mana yang memiliki persentasi akurasi deteksi yang tepat dalam pemeriksaan uang kertas. 2. Diperolehnya sebuah perangkat lunak untuk memeriksa tingkat keaslian uang kertas dengan metode Learning Vector Quantization (LVQ) dengan metode Backpropagation.
1.6 Metode Penelitian
Metode penelitian yang akan digunakan adalah: 1.
Merumuskan Masalah
Merumuskan masalah merupakan proses awal dari penelitian ini, dimana masalah yang dirumuskan adalah menganalisis dan menentukan metode yang memiliki persentasi akurasi yang benar dalam memeriksa keaslian uang kertas. 2.
Studi Literatur
Studi literatur adalah proses pengumpulan bahan-bahan dan referensi yang berhubungan dengan permasalahan dalam penelitian baik berupa buku, jurnal, dan makalah-makalah sebagai acuan untuk menyelesaikan tugas akhir. 3.
Analisis dan Perancangan
Pada tahap ini, dilakukan analisis permasalahan yang ada, batasan yang dimiliki dan kebutuhan yang diperlukan untuk arsitektur software, juga dilakukan perancangan sistem dengan pembuatan model antarmuka, flowchart dari sistem 4.
Implementasi
Implementasi program dilakukan dnegan penulisan kode program menggunakan bahasa pemrograman Visual Basic 2012. 5.
Pengujian Program
Pengujian sistem dilakukan saat hasil analisis telah selesai dibuat dan sudah layak digunakan, sehingga dilakukan pengetesan penggunaan program dan perbaikan untuk memberi hasil terbaik.
5
1.7 Sistematika Penulisan
Dalam penyusunan skripsi ini, penulis menguraikannya dalam 5 bab dengan sistematika pembahasan dan aturan-aturannya agar pembaca lebih mudah untuk memahami dan mengerti isi dari skripsi ini.
BAB 1 : PENDAHULUAN Bab ini menguraikan tentang latar belakang, rumusan masalah, batasan masalah, tujuan penelitian, manfaat dari penelitian, dan metode dalam penelitian serta sistematika penulisannya.
BAB 2 : LANDASAN TEORI Bab menguraikan tentang teori-teori tentang citra digital, pengolahan citra, jaringan syaraf tiruan, metode Learning Vector Quantization (LVQ), dan metode Backpropagation yang didapat dari studi literatur untuk mendukung penulisan skripsi ini.
BAB 3 : ANALISIS DAN PERANCANGAN Bab ini berisikan pembahasan tentang penerapan metode Learning Vector Quantization (LVQ) dan Bacpropagation dalam memeriksa tingkat keaslian mata uang kertas rupiah, flowchart program, serta perancangan model antar muka aplikasi.
BAB 4 : IMPLEMENTASI DAN PENGUJIAN Bab ini berisikan hasil dari implementasi dan perbandingan algoritma dari aplikasi yang telah dirancang, untuk menguji metode yang digunakan.
BAB 5 : PENUTUP Bab ini merupakan bab terakhir yang berisi kesimpulan-kesimpulan yang diperoleh penulis dari hasil implementasi perbandingan metode Learning Vector Quantization (LVQ) dan Backpropagation. Bab ini juga berisi saran-saran sebagai bagi pembaca ataupun bagi pengembang.
