44
BAB 3 ANALISA DAN PERANCANGAN
3.1 Analisa Analisa yang dilakukan terdiri dari : a. Analisa terhadap permasalahan yang ada. b. Analisa pemecahan masalah.
3.1.1
Analisa Permasalahan Pengenalan uang kertas dapat dilakukan terhadap setiap uang kertas di masing-
masing negara. Permasalahannya adalah setiap uang kertas di masing-masing negara memiliki karakteristik masing-masing. Ciri-ciri yang dapat digunakan untuk mengenali uang kertas terdiri dari bermacam-macam, diantaranya : a. Angka atau nominal yang tertera dipojok kanan atas, kanan bawah, kiri atas, dan kiri bawah uang. b. Tulisan nominal uang yang tertera di tengah bawah atau tengah atas uang. c. Gambar orang atau foto yang tertera di tengah-tengah uang. d. Warna setiap pecahan uang yang berbeda. e. Ukuran setiap pecahan uang yang berbeda. Berdasarkan masing-masing ciri yang dimiliki oleh uang kertas pada masingmasing negara, diperlukan pemilihan yang tepat terhadap sistem pengenalan uang yang
45 dibutuhkan dan perlu dibuat. Dan juga pemilihan ciri-ciri apa yang baik untuk sistem pengenalan tersebut.
3.1.2
Pemecahan Masalah Berdasarkan analisa permasalahan yang ada, disimpulkan bahwa sistem
pengenalan uang kertas yang akan dibuat adalah sistem pengenalan terhadap uang kertas di negara yang memiliki ukuran uang yang sama pada setiap pecahannya, salah satu contoh yang diambil pada penelitian ini adalah negara Amerika. Apabila pengenalan dilakukan terhadap uang di negara yang memiliki ukuran uang yang berbeda pada setiap pecahannya, maka tidak diperlukan sistem pengenalan menggunakan Visual Intelligent System. Ciri-ciri yang digunakan pada sistem pengenalan uang kertas dollar Amerika adalah angka atau nominal yang tertera dipojok kanan atas, kanan bawah, kiri atas, dan kiri bawah uang. Pemilihan ciri ini dikarenakan ciri tersebut adalah ciri-ciri yang paling baik. Diasumsikan bahwa ciri-ciri lain adalah ciri-ciri yang kurang baik. Gambar orang atau foto pada uang kertas dollar Amerika tidak memiliki posisi penempatan yang tepat sama pada setiap pecahannya. Tulisan nominal uang yang tertera di tengah bawah atau tengah atas uang menyebabkan sistem pengenalan memerlukan pengolahan citra yang lebih banyak, padahal belum tentu tingkat pengenalannya lebih tinggi daripada apabila menggunakan ciri angka atau nominal uang, karena pengolahan citra menjadi lebih rumit. Ciri-ciri warna pada uang yang akan dikenali apabila di-scan bisa menjadi hampir hilang. Ukuran setiap pecahan yang berbeda adalah ciri-ciri yang tidak dimiliki oleh uang kertas dollar Amerika.
46 Dapat disimpulkan dari analisa diatas bahwa ciri-ciri yang paling baik digunakan adalah nominal atau angka yang tertera pada uang.
3.2 Perancangan Pada bagian ini akan dibahas mengenai perancangan untuk sistem pengenalan yang akan dibuat. Diantaranya penjelasan tentang metode sistem pengenalan uang kertas dollar Amerika yang akan dirancang secara keseluruhan, dari proses penyimpanan template sampai proses pengenalan. Juga dibahas mengenai perancangan layar dari piranti lunak yang akan dibuat.
3.2.1 Gambaran Pengenalan Uang Kertas Dollar Amerika Untuk melakukan penelitian tentang pengenalan uang kertas dollar Amerika dibutuhkan beberapa proses manual sebelum masuk kedalam pembuatan sistem pengenalan. Proses-proses manual yang dimaksud adalah proses merubah citra uang kedalam bentuk digital oleh proses scanning dan disimpan kedalam file komputer dengan format jpg 24 bit. Citra tersebut yang akan digunakan dalam sistem pengenalan. Untuk lebih jelasnya diperlihatkan seperti gambar berikut.
Citra
Scanning
File
Sistem Pengenalan Uang Kertas Dollar Amerika
Gambar 3.1 Gambaran Pengenalan Uang Kertas Dollar Amerika
47 Gambar 3.1 menjelaskan bahwa citra yang akan dikenali (uang kertas dollar Amerika) terlebih dahulu di-scan dan disimpan ke dalam file untuk kemudian digunakan pada sistem pengenalan yaitu proses penyimpanan template, dimana dilakukan proses ekstraksi ciri terhadap citra yang telah diolah. Template tersebut digunakan sebagai pembanding citra yang akan dikenali atau yang disebut proses template matching. Lebih jelasnya, keseluruhan sistem pengenalan yang dimaksud diperlihatkan seperti gambar dibawah ini.
Gambar 3.2 Sistem Pengenalan Uang Kertas Dollar Amerika
48 3.2.2 Proses Add Template Tujuan proses add template adalah untuk menyimpan template setiap pecahan uang dollar Amerika kedalam program. Pada proses pengenalan, template tersebut dicocokkan satu persatu dengan citra yang akan dikenali. Lebih jelasnya, proses ini dijelaskan oleh gambar berikut ini.
Gambar 3.3 Proses Add Template
Proses memasukkan pola pada gambar 3.3 dijelaskan oleh gambar berikut ini.
Gambar 3.4 Proses Memasukkan Pola
49 Gambar 3.4 menjelaskan proses memasukkan pola yaitu pengolahan citra yang menghasilkan gambar yang digunakan sebagai input yang bertujuan untuk menghasilkan citra yang berukuran sama, dan proses ekstraksi ciri untuk kemudian menghasilkan template yang disimpan sebagai pola.
3.2.3 Gambaran Pengolahan Citra (Canny Edge Detection) Sebelum citra digunakan untuk proses selanjutnya, diperlukan proses pengolahan citra. Pengolahan yang dilakukan adalah deteksi tepi, atau yang lebih dikenal dengan edge detection. Teknik atau operator yang digunakan dalam edge detection adalah Canny Edge Detector. Teknik pelacakan tepi dengan Canny mencakup beberapa pengolahan citra, yakni proses smoothing, proses grayscale, dan proses thresholding. Proses-proses ini merupakan satu kesatuan teknik pelacakan tepi Canny. Dengan satu pengolahan citra, yaitu Canny Edge Detection, maka sekaligus telah dilakukan proses pengolahan citra yang lain. Jadi bisa dikatakan bahwa pengolahan citra yang dilakukan hanya canny edge detection. Smoothing adalah proses pengurangan noise dan tekstur-tekstur yang tidak diinginkan menggunakan gaussian filter. Proses grayscale adalah mengubah citra asli yang berupa citra RGB ke dalam bentuk citra abu-abu (citra dengan satu macam warna yakni abu-abu, dengan variasi macam keabuannya). Thresholding adalah proses konversi citra abu-abu tersebut menjadi citra hitam putih. Proses ini disebut juga binerisasi citra (image binarization).
50 Lebih jelasnya proses pelacakan tepi dengan teknik Canny diperlihatkan seperti gambar dibawah ini.
Gambar 3.5 Deteksi Tepi dengan Canny
51 Gambar 3.5 menjelaskan bagaimana proses pelacakan tepi / edge dari citra uang kertas dengan teknik Canny. Proses ini dilakukan untuk mempermudah pengambilan feature yang digunakan sebagai template.
3.2.4 Ekstraksi Ciri Ekstraksi ciri dilakukan setelah proses pencarian tepi/edge detection dilakukan. Citra yang sudah dilacak tepinya akan diambil sebagian kecil pada pojok kiri bawah yang berupa angka/nominal uang sebagai feature dari citra tersebut. Ini dilakukan dengan menggeser koordinat x dan y pada posisi pojok kiri bawah, lalu ditentukan luasnya untuk kemudian dilakukan proses cropping pada daerah luas tersebut. Bagian yang telah di-cropping tersebut merupakan template yang akan digunakan dalam template matching.
Citra Asli
Citra Dengan Grayscale
Citra Dengan Deteksi Tepi
Gambar 3.6 Proses Ekstraksi Ciri
Template
52 3.2.5 Proses Recognition Proses pengenalan merupakan tujuan utama pembuatan aplikasi ini. Proses ini membandingkan semua template yang tersimpan dengan citra yang akan dikenali. Hasil pengenalan berupa nominal uang yang akan dikenali. Diasumsikan bahwa citra template dikatakan cocok dengan citra yang akan dikenali apabila memiliki kemiripan lebih besar atau sama dengan 85% (korelasi harus ≥ 0.85). Apabila tidak ada citra template dengan kemiripan sebesar tersebut maka sistem akan menganggap citra yang ingin dikenali adalah bukan dollar Amerika).
Gambar 3.7 Proses Recognition Gambar 3.6 menjelaskan proses pengenalan, dimulai dari load image yang akan dikenali, lalu dilakukan proses pengolahan citra (deteksi tepi) untuk digunakan dalam
53 proses template matching yaitu pencocokkan semua template yang tersimpan dengan citra yang telah diolah tersebut. Lebih jelasnya proses recognition diperlihatkan pada gambar dibawah ini.
Gambar 3.8 Rincian Proses Recognition
3.2.7 Rancangan Layar
54 Layar dirancang dengan 3 bagian utama, yaitu Menu Area, Picture Area, Recognition Area. Menu area merupakan tempat menu bar. Picture Area merupakan tempat menampilkan gambar citra uang yang di-load. Recognition Area adalah tempat untuk melakukan proses penyimpanan template dan proses pengenalan.
A. Menu Area
B. Picture Area
C. Recognition Area
Gambar 3.9 Rancangan Area Layar
Menu area terdiri dari 2 menu file yang terdiri dari sub menu Open Image dan Save Image, yang akan digunakan untuk me-load maupun menyimpan citra uang dollar yang sudah di-scan dan disimpan di komputer. Juga terdiri dari menu About Us yang menampilkan pembuat aplikasi. Picture area adalah tempat yang akan digunakan untuk menampilkan citra yang di-load dari sub menu Open Image yaitu satu buah axes. Recognition Area terdiri dari 3 button yaitu :
55 1) 1 button Add Template untuk memproses citra dengan metode image processing menjadi sebuah template. 2) 1 button Recognition untuk melakukan proses pengenalan dengan metode template matching. Kemudian akan ditampilkan nominal citra uang yang ingin dikenali. 3) 1 button Exit untuk keluar dari program. Lebih jelasnya diperlihatkan seperti gambar dibawah ini :
File
About Us
Open Image
axes
Save Image
Add Template
Recognition Exit
Gambar 3.10 Rancangan Layar
