Jurnal Teknik Informatika Vol. 1 September 2012
PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDETEKSI UANG LOGAM DENGAN METODE EUCLIDEAN Wahyu Saputra Wibawa1, Juni Nurma Sari2, Ananda3 Program Studi Teknik Informatika Jurusan Komputer Politeknik Caltex Riau Jl. Umbansari no.1 Rumbai Pekanbaru 28265 1
[email protected],
[email protected],
[email protected]
Abstrak Pengenalan koin merupakan salah satu topik yang sangat banyak diteliti dalam bidang pengolahan citra digital. Pengolahan citra digital dapat digunakan untuk memperbaiki kualitas citra, kompresi, mengambil informasi atau ciri sebuah citra serta mengenali objek citra. Terdapat beberapa metode pengolahan citra digital yang dapat digunakan untuk pengenalan objek citra, salah satunya adalah metode Euclidean. Metode Euclidean menggunakan fitur jarak antar piksel pada citra untuk membandingkan jarak suatu citra dengan citra lainnya yang bertujuan untuk mencari kemiripan antar citra. Pengujian metode ini dilakukan dengan mengambil citra uang logam menggunakan webcam, kemudian nilai euclideannya dihitung dan dibandingkan dengan nilai eulidean citra uang logam yang ada di arsip data. Penelitian ini menunjukkan hasil bahwa metode euclidean baik dalam mengenali citra yang diujikan dan dapat digunakan untuk mendeteksi uang logam, dengan tingkat keberhasilan 80%. Kata kunci: deteksi citra, uang logam, euclidean.
Abstract Coin Recognition is one of the topic that is widely studied in the field of digital image processing. Digital image processing can be used to improve image quality, compression, retrieving information or features of an image and recognize the object image. Image object recognition, there are several methods of digital image processing that can be used, one of them is Euclidean method. Euclidean use the distance between pixels in the image to compare the distance of an image with another image that aims to find similarities between images. The method was tested by taking the image of a coin using a webcam, then its euclidean value is calculated and compared with the image eulidean coin in archival data. This research showed that the method of euclidean good at recognizing the image of the tested and can be used to detect the coin, with a success rate of 80%. Keywords: image detection, coin, euclidean.
1
Pendahuluan
Teknologi otomasi yang berkembang pesat pada era globalisasi saat ini telah mempermudah aktifitas manusia dalam kehidupan sehari-hari, karena proses otomasi membantu pekerjaan manusia dengan ketelitian tepat dan dalam waktu yang cepat. Mesin penjual minuman otomatis adalah salah satu contoh teknologi otomasi yang dapat mempermudah pekerjaan manusia. Mesin ini dapat menggunakan teknologi mekanis dan teknologi pengolahan citra digital. Teknologi pengolahan citra digital pada mesin ini digunakan untuk mendeteksi uang logam berdasarkan bentuk citra dari koin yang dimasukkan tersebut. Pada pendeteksian uang logam, ada tiga tipe pendeteksian yang dapat dilakukan, yaitu berbasis metode mekanis, berbasis metode elektromagnetis, dan berbasis pengolahan citra digital [1]. Penelitian mengenai pendeteksian uang logam sudah pernah dilakukan sebelumnya, yaitu dengan menggunakan algoritma K-Means, algoritma ini digunakan untuk menghitung luas area citra, kemudian dilakukan proses clustering agar dapat mengelompokkan jenis uang logam yang sama, untuk selanjutnya nominal dari uang logam yang sejenis tersebut akan dijumlahkan [2]. Penelitian mengenai metode euclidean pernah dilakukan sebelumnya untuk mendeteksi wajah,
1
2
Wahyu Saputra Wibawa
dalam penelitian ini metode Euclidean digunakan untuk identifikasi citra wajah dengan ekstraksi ciri PCA [3]. Pada penelitian ini, akan dilakukan pendeteksian uang logam dengan menggunakan metode euclidean untuk mendeteksi uang logam berbasis pengolahan citra digital. Metode euclidean ini menggunakan fitur jarak antar piksel pada citra untuk membandingkan jarak suatu citra dengan citra lainnya yang bertujuan untuk mencari kemiripan antar citra. Adapun tujuan dari penelitian ini adalah untuk menghasilkan suatu aplikasi yang dapat digunakan untuk pendeteksian uang logam dan menerapkan metode euclidean untuk pendeteksian uang logam pada pengolahan citra digital. 2
Dasar Teori
2.1
Uang Logam Indonesia
Uang logam indonesia yang telah diproduksi terbuat dari beberapa bahan, seperti alumunium (Rp.25, Rp.50, Rp.100, Rp.200, Rp.500), cupro nikel dan alumunium bronze (Rp.1.000), alumunium bronze (Rp.500), dan nickel plated steel (Rp.1.000) [4]. Uang logam ini merupakan uang logam yang dipergunakan sebagai alat pembayaran yang sah, tetapi selain uang-uang tersebut di atas, Bank Indonesia juga mengeluarkan uang-uang logam yang terbuat dari perak dan emas dengan pecahan yang beragam seperti 250 rupiah, 750 rupiah, 2000 rupiah, 5000 rupiah, 10000 rupiah, bahkan ada yang 850 ribu rupiah. Uang logam jenis ini merupakan uang logam peringatan, dikeluarkan dalam jumlah amat terbatas dan mempunyai nilai koleksi yang sangat tinggi. 2.2
Pengolahan Citra Digital
Citra adalah suatu representasi (gambaran), kemiripan atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa foto, bersifat analog berupa sinyal-sinyal video seperti gambar pada monitor televisi atau bersifat digital yang dapat langsung disimpan pada suatu media penyimpanan. [5] Pengolahan citra digital merupakan sebuah disiplin ilmu yang mempelajari hal-hal yang berkaitan dengan perbaikan kualitas gambar (peningkatan kontras, transformasi warna, restorasi citra), transformasi gambar (rotasi, translasi, skala, transformasi geomatrik), melakukan pemilihan citra ciri (feature images) yang optimal untuk tujuan analisis, melakukan proses penarikan informasi atau deskripsi objek atau pengenalan objek yang terkandung pada citra, melakukan kompresi atau reduksi data untuk tujuan penyimpanan data, transmisi data dan waktu proses data. Input dari pengolahan citra adalah citra, sedangkan output-nya adalah citra hasil pengolahan. [5] Secara umum, langkah-langkah utama dalam pengolahan citra dapat dilihat seperti pada Gambar 1 dibawah ini.
Gambar 1. Langkah-langkah pengolahan citra
Jurnal . ………….. Vol. XX …, No. X, Bulan 20XX, XX-XX
2.3
3
Pencocokan Graf
Pencocokan Graf adalah suatu teknik untuk mencocokkan dua buah graf. Biasanya digunakan untuk mencocokkan dua buah objek, objek tersebut direpresentasikan kedalam graf. Beberapa metode pencocokan graf sudah digunakan untuk menyelesaikan beberapa permasalahan misalnya image matching, searching, pengenalan wajah dan lain sebagainya. [5] Berikut ini adalah tahapan pencocokan graf : 1. Noise Filtering, merupakan proses perbaikan kualitas citra. 2. Deteksi Tepi (Edge Detection), merupakan salah satu metode yang digunakan untuk menentukan garis batas tepi antara satu obyek dengan obyek lain pada citra. 3. Konversi ke biner, hasilnya adalah piksel-piksel pada citra hanya memiliki dua buah intensitas, yaitu 0 dan 1. 4. Skeletonization / Thinning, merupakan suatu algoritma untuk proses pengikisan sebuah obyek sebanyak mungkin dengan tetap mempertahankan bentuk umum dari polanya. Dengan kata lain, setelah sebagian besar titik pada obyek tersebut dihilangkan, maka pola dari obyek tersebut harus tetap dapat dikenali. 2.4
Metode Euclidean
Euclidean merupakan perhitungan jarak untuk membandingkan antara 2 vektor citra yang dapat digunakan dalam proses identifikasi citra dengan cara menghitung selisih nilai piksel antara 2 vektor tersebut. Jarak euclidean atau euclidean distance adalah akar dari jumlah selisih kuadrat antara 2 vektor, dan secara matematis dapat dirumuskan : (1)
Keterangan : a. dist (i,k) adalah jarak euclidean antara vektor i dan vektor k; b. ij adalah komponen ke-j dari vektor i; c. kj adalah komponen ke-j dari vektor k; d. D adalah jumlah komponen pada vektor i dan vektor k. Dari hasil perhitungan jarak euclidean tersebut dapat ditentukan bahwa suatu citra adalah mirip jika memiliki jarak yang paling dekat [6].
Gambar 2. Vector space 2 dimensi
Gambar diatas merupakan contoh dari ruang vektor, pada ruang vektor tersebut terdapat 2 vektor yaitu vektor A dan vektor B. Untuk menghitung jarak antara 2 vektor tersebut, digunakan persamaan Euclidean distance.
4
Wahyu Saputra Wibawa
Berikut ini merupakan penyelesaian dalam menghitung jarak antara vektor A dan vektor B dari Gambar 2 diatas. Panjang vektor A dan B dapat didefinisikan sebagai berikut: (2) (3) Dengan demikian, untuk menghitung penyelesaian dalam menghitung jarak antara kedua vektor tersebut menggunakan persamaan sebagai berikut: (4) Keterangan : a. adalah jarak antara vektor A dan Vektor B; b. adalah koordinat titik x dari vektor A; c. adalah koordinat titik x dari vektor B; d. adalah koordinat titik y dari vektor A; e. adalah koordinat titik y dari vektor B;
3
Perancangan Aplikasi
3.1
Blok Diagram Berikut ini blok diagram dari penelitian ini :
Gambar 3. Blok diagram system aplikasi
Berdasarkan blok diagram pada Gambar 3, sistem ini mengakuisisi citra koin menggunakan webcam, lalu citra tersebut diproses dan dihitung nilai euclideannya, kemudian dibandingkan dengan citra training yang telah dipersiapkan, outputnya adalah dikenali atau tidak dikenali citra koin yang diakuisisi.
Jurnal . ………….. Vol. XX …, No. X, Bulan 20XX, XX-XX
3.2
5
Diagram Alir Implementasi
1. Diagram alir system Mulai Bandingkan nilai euclidean koin X yang akan dideteksi dengan euclidean koin yang dipersiapkan dalam bentuk persentase
Citra koin Rp.100, Rp.200, Rp.500, Rp.1000
Ambil citra koin Input citra X yang akan koin dideteksi melalui Rp.1000 webcam
Hasil persentase >= toleransi
Tidak
Koin tidak dikenali
Ya Proses pencocokan graf
Koin adalah koin 100, 200, 500 atau 1000
Hitung nilai euclidean
Selesai
Gambar 4. Diagram alir system pendeteksi uang logam
Berdasarkan diagram alir pada Gambar 4, citra koin diambil menggunakan webcam, kemudian dilakukan proses pencocokan graf dan dihitung nilai euclideannya, lalu nilai euclidean citra koin tersebut dibandingkan dengan nilai euclidean citra koin yang ada pada arsip data untuk didapatkan nilai perbandingannya dalam bentuk persentase, apabila nilai persentase lebih besar dari nilai toleransi yang ditetapkan, maka hasilnya adalah citra koin yang diambil menggunakan webcam adalah koin 100, 200, 500, atau 1000, namun jika tidak hasilnya adalah koin tersebut tidak dikenali 2. Diagram alir pencocokan graf Mulai
Filtering
Deteksi Tepi
Konversi ke Biner
Skeletonization
Selesai
Gambar 5. Diagram alir pencocokan graf
6
Wahyu Saputra Wibawa
Berdasarkan diagram alir pada Gambar 5, proses pencocokan graf diawali dengan melakukan filtering pada citra dengan tujuan mengurangi noise, kemudian dilakukan deteksi tepi pada citra hasil filtering, selanjutnya citra deteksi tepi yang telah didapat diubah menjadi citra biner untuk dilakukan skeletonization pada citra biner tersebut. 4
Analisa dan Pembahasan
Pada penelitian ini, pengujian dilakukan dalam lingkungan yang dikondisikan, yaitu cahaya dan jarak pengambilan citra yang sudah diatur, hal ini bertujuan untuk mendapatkan parameter yang bisa diukur. Citra uang logam diambil menggunakan webcam, seperti tampak pada gambar dibawah ini :
Gambar 6. Pengambilan citra
Kemudian nilai euclideannya dihitung dan dibandingkan dengan nilai eulidean citra uang logam yang ada di arsip data. Output dari aplikasi ini adalah dikenali atau tidak dikenali citra uang logam yang diujikan dan citra uang logam yang menjadi acuan dari citra yang diujikan.
Gambar 7. Output pendeteksian
Berdasarkan 60 kali pengujian dengan toleransi kemiripan citra sebesar 93%, yang dilakukan terhadap 6 buah uang logam yaitu Rp.100 kuningan, Rp.100 perak, Rp.200, Rp.500 kuningan, Rp.500 perak, dan Rp.1000, dengan pengambilan masing-masing citra sebanyak 10 kali, persentase keberhasilan aplikasi ini mendeteksi uang logam yang diujikan dengan benar adalah 80 % atau sebanyak 42 kali aplikasi pendeteksi uang logam ini mendeteksi uang logam yang diujikan dengan benar, dan sebanyak 18 kali aplikasi pendeteksi uang logam ini salah dalam mendeteksi uang logam yang diujikan.
Jurnal . ………….. Vol. XX …, No. X, Bulan 20XX, XX-XX
7
Berikut ini hasil pengujian yang dilakukan : Tabel 1. Hasil Pengujian
No
Hasil Pendeteksian
Kondisi Cahaya
Nilai Euclidean Citra Uji
Nilai Euclidean Citra Training
Status
Jarak (cm)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39
Rp 100 Kuningan Rp 100 Kuningan Rp 100 Kuningan Rp 100 Kuningan Rp200 Rp200 Rp 100 Kuningan Rp 500 Kuningan Rp 100 Kuningan Rp 100 Kuningan Rp 100 Perak Rp 100 Perak Rp 100 Perak Rp 100 Perak Rp 100 Perak Rp 100 Perak Rp 100 Perak Rp 100 Perak Rp 100 Perak Rp 100 Perak Rp200 Rp200 Rp200 Rp200 Rp200 Rp200 Rp200 Rp200 Rp200 Rp 100 Kuningan Rp 500 Kuningan Rp 500 Kuningan Rp 500 Kuningan Rp 500 Kuningan Rp1.000 Rp1.000 Rp1.000 Rp1.000 Rp1.000
Terang Gelap Terang Gelap Terang Gelap Terang Gelap Terang Gelap Terang Gelap Terang Gelap Terang Gelap Terang Gelap Terang Gelap Terang Gelap Terang Gelap Terang Gelap Terang Gelap Terang Gelap Terang Gelap Terang Gelap Terang Gelap Terang Gelap Terang
191895 191129 123890 123730 87807.7 87676.8 64413.7 64132.7 50071.7 49885.7 216416 216308 141220 141237 98614.8 98606.8 73495.7 73355.8 56608.7 56481.7 258307 258213 168416 168249 117501 116892 87292.8 86619.8 66246.7 65820.8 231650 231489 154173 153967 106546 106432 79643.7 79503.7 61257.7
186840 186840 123478 123478 87692.8 87692.8 64852.7 63514.8 50060.8 49919.7 219697 219697 142446 142446 100081 100081 73406.8 73374.7 56540.8 56533.8 263147 263147 170025 170025 117555 117555 87692.8 86836.8 66728.7 64989.7 231745 231340 154141 153994 107338 107338 79681.7 79681.7 60945.8
Benar Benar Benar Benar Salah Salah Benar Salah Benar Benar Benar Benar Benar Benar Benar Benar Benar Benar Benar Benar Benar Benar Benar Benar Benar Benar Benar Benar Benar Salah Benar Benar Benar Benar Salah Salah Salah Salah Salah
4 4 5 5 6 6 7 7 8 8 4 4 5 5 6 6 7 7 8 8 4 4 5 5 6 6 7 7 8 8 4 4 5 5 6 6 7 7 8
8
Wahyu Saputra Wibawa
40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 5
Rp1.000 Rp 500 Perak Rp 500 Perak Rp 500 Perak Rp 500 Perak Rp 500 Perak Rp 500 Perak Rp 500 Perak Rp 100 Perak Rp 500 Perak Rp 500 Perak Rp1.000 Rp1.000 Rp1.000 Rp1.000 Rp1.000 Rp1.000 Rp1.000 Rp 500 Perak Rp1.000
Gelap Terang Gelap Terang Gelap Terang Gelap Terang Gelap Terang Gelap Terang Gelap Terang Gelap Terang Gelap Terang Gelap Terang
61098.7 300491 299872 196813 196492 137028 136664 101085 100798 78338.8 77960.8 232688 232732 152632 152050 106051 105300 79045.8 78408.8 61222.8
60945.8 304435 304435 199560 199560 137284 137284 101750 100110 78409.7 78068.8 232577 232577 152758 152758 107338 107338 78935.8 78409.7 60945.8
Salah Benar Benar Benar Benar Benar Benar Benar Salah Benar Benar Benar Benar Benar Benar Benar Benar Benar Salah Benar
Kesimpulan
Kesimpulan yang dapat diambil adalah sebagai berikut : 1. Metode euclidean baik dalam mengenali citra dan dapat digunakan untuk mendeteksi uang logam dengan tingkat keberhasilan 80%. 2. Dalam melakukan pengujian, kondisi cahaya dan jarak pengambilan citra harus diatur, agar mendapatkan parameter yang bisa diukur dan hasil pendeteksian yang lebih akurat. 3. Kondisi cahaya dan jarak pengambilan citra dapat mempengaruhi hasil pendeteksian uang logam dengan metode euclidean. 6
Daftar Pustaka
[1] Modi, Shatrughan. (2011). Automated Coin Recognition System Using Ann. Diambil 22 November 2011 dari http://dspace.thapar.edu:8080/dspace/bitstream/10266/1452/1/Shatrughan_CS_11thesis.pdf [2] Syafitri, Nesi. (2011). Seminar Nasional Teknologi Informasi Komunikasi dan Industri 2011. Pengenalan Pola Untuk Deteksi Uang Koin. 2085-9902 [3] Saputra, Rizky. (2011). Analisa Identifikasi Wajah Menggunakan Metode eigenface dan Metode Euclidean dengan Pembanding Ekstraksi Ciri. [4] Bank Indonesia. (November 2011). Diambil 24 November 2011 dari http://www.bi.go.id/web/id/Sistem+Pembayaran/Instrumen+Pembayaran+Tunai/Data+Uan g/ [5] Nasution, Fatimah. (2011). Identifikasi Manusia Menggunakan Citra Digital Telinga dengan Metode Pencocokan Graf. [6] Jatra, Muhammad. (2007). Makalah Seminar Tugas Akhir. Identifikasi Iris Mata Menggunakan Metode Analisis Komponen Utama dan Perhitungan Jarak Euclidean.
8 4 4 5 5 6 6 7 7 8 8 4 4 5 5 6 6 7 7 8
