PROPOSAL TESIS

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.  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 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  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  DAFTAR TABEL Tabel 2.1 Tinjauan Studi 27 Tabel 3.1 Jadwal Penelitian 34  BAB I PENDAHULUAN 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. Rumusan Masalah Identifikasi Masalah Keterbatasan kemampuan mata pada seseorang dalam membedakan uang asli dengan uang palsu menjadi 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. 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. 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?”. TUJUAN DAN MANFAAT PENELITIAN 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. Manfaat Penelitian Hasil penelitian ini diharapkan dapat digunakan sebagai langkah awal untuk menekan peredaran uang palsu. Selain itu dengan memanfaatkan smartphone setiap orang mampu memaksimalkan kegunaan smartphone tersebut tidak hanya sebatas melakukan panggilan telpon atau mengirim pesan. Program aplikasi yang dibuat 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. 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 Pada bab ini dijelaskan tentang kesimpulan yang didapatkan setelah perancangan dan uji coba model testing. Daftar Istilah Android Android adalah sistem operasi berbasis Linux yang dirancang untuk perangkat seluler layar sentuh seperti telepon 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 perusahaan-perusahaan perangkat keras, perangkat lunak, dan telekomunikasi yang bertujuan untuk memajukan standar terbuka perangkat seluler. Ponsel Android pertama mulai dijual pada bulan Oktober 2008 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  BAB II LANDASAN PEMIKIRAN TINJAUAN PUSTAKA 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 : Citra Bipmap / Citra raster adalah citra digital yang dibentuk oleh kumpulan piksel dalam array dua dimensi. 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 warna-warna penyusunnya, citra digital dapat dibagi menjadi tiga macam (Marvin Chandra Wijaya,2007) yaitu: 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 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: Kebutuhan memori kecil karena nilai derajat keabuan hanya membutuhkan representasi 1 bit. Waktu pemrosesan lebih cepat di bandingkan dengan citra hitam-putih ataupun warna.  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 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. 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 dengan panjang gelombang berbeda. Format Citra Digital 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. 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: 8 bit = 256 warna (256 gray scales). 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) : 8 bit = 256 warna : 8 : 1 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. 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: GIF87a: support dengan interlacing dan kapasitas dari beberapa file. Teknik itu dinamakan GIF87 karena pada tahun 1987 standar ini ditemukan dan dijadikan standar. GIF89a: adalah kelanjutan dari spesifikasi GIF87a dan penambahan pada transparency, pemberian tulisan dan animasi dari text dan grafik. 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: Channel Alpha (transparansi) Gamma (pengaturan terang-gelapnya citra en:"brightness") 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 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 : Sebagai pengganti format GIF dan TIFF. Format terbuka atau open, efisien, gratis, dan kompresi jenis lossless. Tiga mode warna], yaiut : paletted (8 bit), greyscale (16 bit), truecolour (hinga 48 bit) Dukungan terhadap profile colour, gamma, dan metadata. Mempunyai fitur transparansi serta dukungan penuh terhadap alpha channel. Dukungan luas bagi software menipulasi grafis dan web browser. Gambar 2.6 Gambar PNG 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 JPEG pada jaringan sebenarnya adalah JFIF (JPEG File Interchange Format). 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: Perbaikan atau memodifikasi citra perlu dilakukan untuk meningkatkan kualitas penampakan atau untuk menonjolkan beberapa aspek informasi yang terkandung di dalam citra. Elemen didalam citra perlu dikelompokkan, dicocokkan dan diukur. Sebagian citra perlu digabung dengan bagian citra yang lain. 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 : Peningkatan Kualitas Citra (Image Enhancement) Contoh-contoh operasi perbaikan citra: Perbaikan kontras gelap/terang Perbaikan tepian objek (Edge Enhancement) Penajaman (Sharpening) 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]: Penghilangan kesamaran (Deblurring) Penghilangan derau (Noise) 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 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). Analisis citra (Image Analysis) Contoh-contoh operasi Analisis citra : Pendeteksian tepi (edge detection) Ekstraksi batas (boundary) Representasi batas (region) 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. ada beberapa macam metode yang dapat digunakan untuk proses deteksi tepi, diantaranya adalah metode Robert, metode Prewitt, metode Sobel dan lainnya. 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 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 membangkitkan HPF. Kernel fillter yang digunakan dalam metode Prewitt ini adalah: 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: Operator canny Salah satu algoritma deteksi tepi modern adalah deteksi tepi dengan menggunakan metode Canny. Canny edge detector dikembangkan oleh John F. Canny pada tahun 1986 dan menggunakan algoritma multi-tahap untuk mendeteksi berbagai tepi dalam gambar. Walaupun metode tersebut telah berumur 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: 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. Melokalisasi dengan baik (kriteria lokalisasi) Dengan Canny dimungkinkan dihasilkan jarak yang minimum antara tepi yang dideteksi dengan tepi yang asli. 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: Smoothing Mengaburkan gambar untuk menghilangkan noise. Finding Gradien Penandaan tepian harus ditandai pada gambar yang memiliki gradien yang besar. Non-maximum-suppresion Hanya gradient maksimum yang harus ditandai sebagai edge. Double thresholding Tepian yang berpotensi ditentukan oleh thresholding. Edge tracking by hysteresis Tepian final ditentukan dengan menekan semua sisi yang tidak terhubung dengan tepian yang sangat kuat. 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 , Gambar 2.7 – (kiri) gambar asli, (kanan) gambar hasil smoothing 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. & Magnitudo gradient (kekuatan tepi) dapat ditentukan sebagai jarak Euclidean yang diukur dengan menerapkan hokum Phytagoras. Yang terkadang disederhanakan dengan menerapkan ukuran jarak Manhattan. 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 diperlukan suatu persamaan untuk menentukan tepian yang sebenarnya. Gambar 2.8 – (Kiri)Gambar yang diperhalus, (kanan) Magnitude Gradien 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: Putar arah gradien θ ke arah 45ْ terdekat, kemudian hubungkan dengan 8 titik tetangga yang terhubung dengannya. 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. Jika nilai piksel tepian saat ini adalah yang terbesar, maka simpan nilai tepian tersebut, namun jika bukan, hapus nilai tersebut. 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 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 (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 Non-Maximum, (kanan) Thresholding ganda 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. Gambar 2.12 – (Kiri)Thresholding Ganda, (tengah) Edge Tracking by hysteresis, (kanan)Hasil Akhir Tinjauan Studi Berikut adalah ringkasan dari beberapa penelitian sebelumnya yang berkaitan dengan deteksi uang palsu serta deteksi tepi dengan operator canny: 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. ([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 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. ([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 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. ([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 Pengarang Ciri Khas/Temuan Metode Hasil 1. Edge Detection Operators on Digital Image [NEMA 2013] Rajni Nema, Dr. A.K. Saxena Membandingkan macam-macam algoritma deteksi tepi. Deskriptif Eksperimen algoritma deteksi tepi Canny yang memberikan hasil yang lebih baik daripada Sobel dan Prewitt. 2. Paper Currency Verification System Based on Characteristic Extraction Using Image Processing [MIRZA 2012] Rubeena Mirza, Vinti Nanda Empat karakteristik Mata uang kertas termasuk tanda identifikasi, benang pengaman, laten gambar dan watermark. Ekperimen Pendekatan yang disarankan dalam 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 meminimalkan peredaran uang palsu 3. Forgery Detection and Value Identification of Euro Banknotes [BRUNA 2013] Arcangelo Bruna, Giovanni Maria Farinella, Giuseppe Claudio Guarnera dan Sebastiano 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 Eksperimen Dengan memanfaatkan sinar inframerah yang ditembakkan pada bagian tertentu dari uang kertas euro, akan dapat mengidentifikasi keaslian dari uang tersebut sesuai dengan fitur-fitur yang ada 4. Perancangan Sistem Pengujian Uang Palsu Mempergunakan Scanner Gambar [YEFFRY 2003] Yeffry Handoko Putra Deteksi cetakan nilai uang dan pola ukiran. Eksperimen 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. 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. Kerangka Pemikiran Dalam melakukan penelitian ini, digunakan kerangka pemikiran sebagaimana dapat dilihat pada gambar berikut: Kondisi Saat Ini Deteksi uang palsu dengan cara 3D (Dilihat, Diraba, Diterawang). Alat yang banyak digunakan saat ini adalah dengan sinar ultraviolet. Kondisi Yang Diharapkan Dapat digunakan sebagai langkah untuk menekan peredaran uang palsu. Membantu masyarakat untuk lebih memahami perbedaan uang palsu dengan uang asli. Pemanfaatan metode canny serta Teknologi Client-Server untuk membedakan uang asli/palsu Menerapkan teknik deteksi tepi menggunakan metode canny untuk membedakan uang asli/palsu dan sistem client-server yang dapat mempercepat proses identifikasinya Gambar 2.13 Kerangka Pemikiran Hipotesis Hipotesis dari penelitian ini adalah dengan memanfaatkan teknik deteksi tepi pada pengolahan citra digital menggunakan operator/algoritma canny diharapkan dapat membedakan antara uang asli dengan uang palsu. Serta dengan memanfaatkan smartphone dan teknologi client-server akan dapat meningkatkan efisiensi dan efektivitas dari segi waktu maupun tempat perolehan informasi, sehingga dapat membantu masyarakat agar lebih memahami perbedaan uang asli dengan uang palsu dan juga dapat menekan peredaran uang palsu di Indonesia. BAB III DESAIN PENELITIAN Metode Penelitian Metode yang digunakan dalam Penelitian ini adalah metode eksperimen. Eksperimen dalam penelitian ini bertujuan untuk mencari nilai batasan dari gambar uang asli dengan operator canny. Dengan metode ini gambar uang asli yang diambil menggunakan kamera smartphone akan melalui beberapa proses, antara lain: konversi gambar dari RGB ke Grayscale, perbaikan kualitas gambar, proses binerisasi, proses dilasi, proses erosi, proses, proses deteksi tepi, deteksi karakteristik mata uang kertas dan disegmentasi. Nilai yang didapat dari hasil proses tersebut akan dijadikan acuan dalam penentuan asli atau tidaknya. Dalam pengambilan nilai ini perlu dilakukan beberapa pengkondisian dari uang kertas, pengkondisian yang dimaksud adalah tingkat kerusakan pada uang tersebut, mulai dari 0% sampai dengan 80% dengan begitu nilai batasan yang didapat akan menjadi valid untuk menjadi acuan dalam pendeteksian uang. Pemilihan sampel Sampel yang digunakan dalam penelitian ini diambil dari beberapa sumber yang berbeda, yang pertama uang asli yang difotokopi dimana hasil dari fotokopi hanya berwarna hitam putih, kedua uang asli yang discan menggunakan scanner dan kemudian dicetak berwarna, kemudian uang palsu yang beredar dimasyarakat. Sedangkan uang asli yang digunakan untuk pencarian nilai batasan didapat dari pengambilan uang dari salah satu bank. Metode Pengumpulan Data Data untuk penelitian ini berasal dari data primer dan sekunder. Data primer didapat dari observasi lapangan dan uji coba. Data sekunder didapat dari kajian literatur yang terkait dengan tema penelitian ini. Studi Literatur Studi literatur dilakukan peneliti dengan mempelajari berbagai referensi dan tulisan ilmiah tentang penelitian mengenai uang palsu (currency counterfeit), serta teknik pengolahan citra digital. Observasi Lapangan Pada observasi lapangan, peneliti melakukan pengambilan sample – sample uang, baik melalui bank maupun uang yang sudah beredar dimasyarakat. Langkah-langkah Penelitian Dalam pelaksanaan penelitian diperlukan acuan dasar pelaksanaan agar penelitian ini dapat berjalan dengan baik, sehingga dapat diimplementasikan dan memberikan hasil yang diharapkan. Berikut ini merupakan langkah-langkah yang dilakukan peneliti dalam penelitian ini : Gambar 3.1 Langkah-langkah Penelitian Penjelasan dari langkah-langkah penelitian diatas akan dijelaskan sebagai berikut : Studi Pustaka. Setelah menentukan ide untuk penelitian, penulis melakukan studi pustaka dengan membaca dan mempelajari informasi yang berkaitan dengan ide penelitian. Pada tahap ini peneliti juga mengumpulkan informasi untuk persiapan dalam melakukan peracangan & implementasi sistem Pengumpulan & Analisa Data Sample. Setelah melakukan studi pustaka peneliti mulai mengumpulkan sample-sample yang terkait dengan uang palsu. Setelah mempelajari dan mengumpulkan sample, langkah selanjutnya adalah membuat rancangan dan implementasi aplikasi “Currency Counterfeit Detection”. Perancangan & Implementasi Sistem. Ketika sudah mendapatkan data sample yang dikehendaki maka langkah selanjutnya adalah melakukan perancangan & implementasi sistem untuk melakukan pendeteksian uang palsu, yang dilanjutkan hingga sistem dapat menampilkan gambar uang yang sudah diproses dengan deteksi tepi operator canny. Simulasi & Pengujian Sistem Setelah tahap implementasi sistem sudah berjalan maka tahap selanjutnya adalah melakukan simulasi sistem dengan skenario yang menggunakan data sample yang sudah ditentukan sebelumnya. Hal ini dilakukan untuk menguji kinerja sistem dalam menghasilkan nilai yang akan menjadi batasan dalam menentukan keaslian uang tersebut. Pada tahap simulasi dan pengujian, akan dilakukan beberapa langkah, antara lain: Mengekstrak uang asli, dimana nilai yang didapat akan menjadi acuan dalam membedakan uang asli dengan uang palsu. Gambar 3.2 Ektraksi Uang Asli Setelah didapatkan nilai dari hasil mengekstrak uang asli, langkah selanjutnya adalah melakukan pengujian terhadap sample – sample yang telah diperoleh. Analisa Hasil Simulasi Pada tahap ini, peneliti mengumpulkan hasil dari tahap simulasi & ujicoba sistem yang sudah dilakukan untuk kemudian dianalisa hingga menghasilkan sebuah informasi yang menunjukan kinerja sistem yang sebenarnya. Hasil dari analisa akan digunakan sebagai dasar dalam penarikan kesimpulan atas penelitian ini. Pengambilan Kesimpulan Tahap ini dilakukan dengan menggunakan data hasil analisa simulasi & ujicoba untuk kemudian diambil sebuah kesimpulan yang dapat dijadikan sebagai gambaran dari kinerja sistem yang meliputi pembuktian teori dari ide penelitian, kinerja sistem dalam menghasilkan output serta kekurangan yang masih dimiliki oleh sistem. Jadwal Penelitian Tabel 3.1 Jadwal Penelitian No Jadwal Kegiatan 2013 2014 Sep Okt Nov Des Jan Feb 1 Menentukan Pembimbing 2 Mengumpulkan Data & Bahan Proposal 3 Penyusunan Proposal Thesis 4 Sidang Proposal 5 Implementasi & Uji coba Penelitian 6 Penyelesaian Naskah Thesis 7 Sidang Thesis 8 Perbaikan Naskah Thesis  BAB IV PENUTUP Kesimpulan Berdasarkan dari uraian proposal penelitian yang diajukan, maka dapat disimpulkan penelitian ini diharapkan dapat membedakan uang asli dengan uang palsu berdasarkan kriteria – kriteria terkait. Dengan diketahuinya kriteria tersebut diharapkan dapat bermanfaat bagi masyarakat yang kurang memahami perbedaan uang palsu dengan uang asli. Serta dengan adanya penelitian ini diharapkan dapat menekan tingkat peredaran uang palsu di Indonesia. Besar harapan peneliti, proposal penelitian ini dapat diterima, sehingga pelaksanaan penelitian dapat dilakukan dengan baik sesuai dengan jadwal yang telah direncanakan.  DAFTAR PUSTAKA [Bruna 2013] Bruna, Arcangelo, Farinella, G.M., Guarnera, G.C., Sebastiano Battiato. 2013. Forgery Detection and Value Identification of Euro Banknotes. ISSN 1424-8220 www.mdpi.com/journal/sensors [Gonzales 2003] Gonzales, Rafael C. Richard E. Woods, Steven L. Eddins. 2003. Digital Image Processing Using Matlab. [Nema 2013] Nema, Rajni, Dr. A. K. Saxena. 2013. Edge Detection Operators on Digital Image. INTERNATIONAL JOURNAL OF ENGINEERING SCIENCES & RESEARCH TECHNOLOGY ISSN: 2277-9655 [Parminder 2011] Reel, Parminder Singh, Gopal Krishan, Smarti Kotwal. 2011. Image Processing based Heuristic Analysis for Enhanced Currency Recognition. Electronics and Communication Engineering, Thapar University, Patiala, http://ijict.org/ ISSN 0976-4860. [Rubeena Mirza 2012] Mirza, Rubeena, Vinti Nanda. 2012. Paper Currency Verification System Based on Characteristic Extraction Using Image Processing, International Journal of Engineering and Advanced Technology (IJEAT) ISSN: 2249 – 8958, Volume-1, Issue-3, February 2012. [Vijay G. Baskar 2013] G. Baskar, Vijay, N. Sathees Kumar, N. Karthick. 2013. Research Analysis of Cloud Computing, IJCSMC, Vol. 2, Issue. 5, May 2013, pg.313 – 316. [Yaojia 2010] Wang, Yaojia, Siyuan Lin. 2010. Currency recognition system using image processing. Bachelor Thesis, 15 hp, Computer Science, Akademin för teknik och miljö Högskolan i Gävle (Academy for Technology and Environtment, University of Gavle, Sweden). [Yeffry 2003] Handoko Putra, Yeffry. 2003. Perancangan Sistem Pengujian Uang Palsu Mempergunakan Scanner Gambar. Jurnal From http://digilib.itb.ac.id/download.php?id=1969. 5