IDENTIFIKASI KEASLIAN MATA UANG RUPIAH DENGAN MENGGUNAKAN METODE NON SUBSAMPLED CONTOURLET TRANSFORM (NSCT) MELALUI CAMERA SMARTPHONE 1 Rusydi Umar, 2 Imam Riadi, 3 Miladiah 1 Program Studi Teknik Informatika, 2 Program Studi Sistem Informasi, 3 Magister Teknik Informatika Universitas Ahmad Dahlan Jalan Prof. Dr. Soepomo, S.H., Warungboto, Umbulharjo Yogyakarta, Daerah Istimewa Yogyakarta 1 rusydi_umar@rocketmail.com, 2 imam.riadi@is.uad.ac.id, 3 milafujisaki@gmail.com Abstract Peningkatan peredaran uang palsu menjadi salah satu kejahatan yang bisa mempengaruhi kestabilan ekonomi sebuah negara. 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 metode 3D, atau memanfaatkan sinar ultraviolet dan kaca pembesar. 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 secara praktis dan mudah. Berdasarkan kasus di atas, penelitian ini membahas tentang pemanfaatan kamera smartphone untuk membedakan uang asli dengan uang palsu memanfaatkan olah citra sebagai alat deteksi menggunakan metode Non Subshampled Contourlet Transform. Hasil yang diharapkan dari penelitian ini adalah metode NSCT dengan pengenalan pola melalui ekstraksi ciri yang diterapkan dapat mencapai tingkat akurasi sebesar 100% serta metode klasifikasi dengan pendekatan k-nn saat melakukan pengujian dapat mencapai akurasi sebesar 100% dan NSCT toolbox diharapkan berjalan maksimal sebagaimana teknologi client-server sehingga keaslian mata uang dapat terdeteksi melalui kamera smartphone Keywords : Camera smartphone, k-nn (Nearest Neighbour), Mata uang, Non Subsampled Countourlet Transform (NSCT) 1. PENDAHULUAN Fenomena peredaran uang palsu hingga bulan Juni 2017 telah beredar kembali ke tengah tengah masyarakat, khususnya di Kota Maluku. Terdapat belasan lembar uang palsu pecahan Rp.100.000 ditemukan oleh BI bersama dengan Polda Maluku. Menurut Direktur Eksekutif Departemen Pengelolaan Uang Bank Indonesia (BI), Suhaedi, peredaran uang palsu masih ada, tapi secara jumlah tidak begitu signifikan. Meskipun demikian, beliau tetap mengimbau kepada seluruh masyarakat agar tetap berhati hati dan waspada akan peredaran uang palsu. Masyarakat tak hentinya diingatkan agar dapat membedakan keaslian uang dengan cara 3D atau jika masih ragu, uang yang telah diterima diminta untuk datang ke BI setempat untuk menanyakan apakah uang itu asli atau tidak dan jika tempat tinggal jauh dari BI, mereka diminta datang ke bank terdekat dan menanyakan langsung petugasnya. Penyelesaian masalah dalam membedakan keaslian uang kertas diatas masih tergolong sulit bagi masyarakat jika hanya mengandalkan 3D atau kaca pembesar, karena para pelaku mampu mengelabui mata awam masyarakat. Begitu juga dengan sinar ultraviolet yang harganya relatif mahal atau masyarakat harus membawa ke bank untuk mengetahui keaslian uang kertas tersebut. Sehingga bagi penulis, perlu adanya sebuat alat deteksi uang asli atau palsu yang mudah dan praktis yang bisa digunakan oleh seluruh masyarakat dimanapun berada. Penulis mencoba membuat sebuah aplikasi deteksi keaslian mata uang rupiah dengan memanfaatkan camera smartphone agar memudahkan masyarakat mengetahui keaslian mata uang kertas rupiah melalui smartphone android yang mereka miliki. Penelitian ini nantinya akan menggunakan metode Non Subsampled Countourlet Transform (NSCT) 331
sebab lebih efektif dalam menangkap kontur halus citra serta metode klasifikasi ekstrak ciri dengan k-nn (Nearest Neighbour) Literatur Review Transformasi contourlet merupakan skema baru untuk dekomposisi gambar yang efisien yang menyediakan representasi resolusi spasial dan arah [Sarvaiya J., Patnaik S. dan Goklani H. 2010]. Transformasi contourlet menggunakan Laplacian pyramids untuk mendapatkan dekomposisi multiresolusi dan directional filter bank untuk menghasilkan dekomposisi arah, sehingga gambar direpresentasikan sebagai satu himpunan subband terarah diberbagai skala [Burt P.J. dan Adelson E.H 1983]. Ekstraksi fitur yang diusulkan menggunakan model yang diusulkan oleh [Serief C. dkk. 2007]. Sedangkan algoritma ekstraksi fitur menggunakan NSCT yaitu dengan menghitung koefisien NSCT dari citra reference sebanyak N level. Setiap lokasi piksel, hitung maksimum magnitude pada semua subband yang diperoleh. Titik-titik tersebut disebut maxima dari koefisien NSCT. Prosedur thresholding diterapkan pada citra NSCT maxima dengan tujuan untuk menghilangkan fitur titik yang tidak signifikan. Suatu titik disimpan sebagai fitur jika NSCT maxima > Th, Th dinyatakan dengan persamaan sebagai berikut: Th=c(σ+μ) dimana c adalah parameter yang ditentukan oleh user, σ dan μ masing-masing adalah standar deviasi dan rata-rata dari citra NSCT maxima. Ambil setiap titik maxima sebagai titik pusat dari setiap blok neighbourhood dari ukuran window w x w dan temukan satu lokal maksimum pada setiap neighbourhood, hal ini akan menghilangkan maxima yang saling berdekatan satu sama lain. Lokasi dari NSCT maxima yang diperoleh dan dithreshold diambil sebagai titiktitik hasil ekstraksi fitur. [Cunha A.L, J. Zhou dan M.N. Do 2006] Ciri-Ciri Uang Asli Warna cerah, tidak luntur, dan tidak patah-patah, bagian kiri bawah ada optical variabel x, dicetak dengan tinta pigment khusus yang mana bisa berubah warna kalau dipandang dari sudut pandang berbeda, benang pengaman juga bisa berubah-ubah warna menyesuaikan sudut pandang mata, kertas terasa lebih tebal dan tidak mudah lecek, lambang negara ada tekstur kasar. tekstur kasar (permukaan timbul) pada uang asli terbentuk dari kertasnya, terlihat tanda air yang menggambarkan sosok pahlawan. Gambar tersebut satu dan tidak berlawanan. Gambar terlihat timbul berdasarkan kertasnya. Gambar permukaan depan dan belakang saling mengisi (rectoverso). [Admin, 2015] 2. METODOLOGI Metode Penelitian Proses identifikasi dilakukan dengan cara mengenali pola citra pada uang kertas kemudian dicocokkan dengan kumpulan dari model pola citra pada uang kertas tersebut. Dengan menggunakan metode NSCT dan k-nn, maka proses identifikasi keaslian mata uang kertas dapat diketahui melalui ekstraksi ciri dan pengklasifikasian uang yang telah didapat dari pola tiap jenis uang. Nilai yang didapat dari hasil proses tersebut akan dijadikan acuan dalam penentuan asli atau tidaknya uang rupiah tersebut. Dalam pengambilan nilai ini, perlu pengkondisian dari uang kertas, seperti tingkat kerusakan pada uang tersebut, mulai dari 0% sampai dengan 80%. Dengan begitu, nilai batasan yang didapat kan menjadi valid untuk menjadi acuan dalam pendeteksian uang. Metode Pengumpulan Sampel Pengambilan sampel pada penelitian ini diperoleh dari beberapa sumber, yang pertama uang asli yang difotokopi dengan hasil fotokopinya berwarna hitam putih. Kedua uang asli yang di scan kemudian dicetak berwarna. Kemudian uang palsu yang beredar di masyarakat dengan meminta inventaris data uang palsu yang tercover di bank terdekat. Sedangkan uang asli yang digunakan untuk pencarian nilai batasan didapat dari pengambilan uang dari salah satu bank 332
Langkah-langkah Penelitian Adapun langkah langkah yang akan dilakukan dalam penelitian ini adalah seperti yang tampak pada gambar 1. Gambar 1. Langkah langkah penelitian Berikut ini adalah penjelasan prosesnya. Pada penelitian ini dilakukan proses baca data. Proses baca data ini merupakan proses untuk membaca data citra yang telah dipilih oleh user, kemudian jadikan data untuk diidentifikasi nilainya. Selanjutnya adalah tahap pre-processing sebelum melakukan pengenalan pola pada uang kertas, tahap ini bertujuan untuk mendapatkan hasil citra baru dengan hasil yang lebih baik serta siap untuk diproses. Tahap selanjutnya adalah tahap melakukan pengenalan pola. Pada tahap ini dilakukan ekstraksi ciri dari citra tersebut, setelah itu dilanjut dengan pembuatan histogram hasil citra baru dari ekstraksi ciri citra sebelumnya. Selanjutnya adalah menghitung jarak, ini dilakukan untuk mengetahui sejauh mana kemiripan suatu ciri uang pada saat uji coba. Selanjutnya adalah menghitung klasifikasi k-nn, yaitu dengan mengelompokkan citra sesuai dengan kelas-kelasnya. Caranya adalah dengan menginput kumpulan jarak kemiripan uang, mengurut jarak terdekat hingga jarak terjauh, mengambil nilai k sebagai jarak terdekat, menghitung jumlah tisp hasil klasifikasi dan memilih nilai hasil klasifikasi terbanyak untuk dijadikan sebagai hasil k-nn. Dan terakhir adalah menghitung waktu identifikasi. Dengan melakukan teknik pengujian akurasi dan kinerja sistem dengan memanfaatkan keseluruhan data. Setelah itu dilakukan iterasi data sebanyak k kali. Menghitung rata-rata akurasi dan menghitung lama waktu pengujian. Setelah pengujian selesai, maka dilakukan tahap pemberian nama pada file citra uang kertas, diberi nama sesuai dengan nominal uang kertas dan pembagian data selama tahap pengujian. 333
3. HASIL DAN PEMBAHASAN Secara singkat, simulasi dan pengujian, akan dilakukan dengan mengekstrak uang asli, dimana nilai yang didapat akan menjadi acuan dalam membedakan uang asli dengan uang palsu. Namun memastikan sampel tersebut akurat dan memenuhi kriteria, maka yang dilakukan adalah re-sampling yaitu memastikan tidak adanya noise-noise dan gambar memiliki koordinasi yang tepat agar tidak mengakibatkan kesalahan informasi. Selanjutnya adalah melakukan cropping gambar, bertujuan mempersemput area citra dan mentransformasi citra hasil cropping kedalam citra kosong dengan ukuran 80 x 80 pixel kemudian diletakkan di tepat tengah. Melakukan pengujian dengan metode NSCT dan metode pendekatan k-nn yaitu dengan cara menentukan parameter transform (perubahan bentuk, rupa, sifat) dari citra sampel. Melakukan proses thresholding dan edge detection untuk mengetahui apakah hasil citra memiliki sebuah nilai ambang batas atau memiliki ambang batas atas dan batas bawah. Serta menandai bagian yang menjadi detil citra serta memperbaiki detil citra yang kabur karena error atau efek proses akuisisi. Melakukan pengujian dengan menenetukan nilai k untuk menghitung kumpulan kumpulan data terdekat. Nilai k besar akan mengurangi noise dan hasil lebih akurat. Nilai k yang digunakan adalah nilai ganjil. Setelah itu, 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. Kemudian terakhir adalah pengambilan kesimpulan 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. 4. KESIMPULAN NSCT lebih efektif untuk menangkap kontur halus citra. Saat citra ditransformasi dengan menggunakan NSCT, maka citra akan melewati sebuah filter untuk memisahkan antara subband lowpass dan bandpass. Subband lowpass berisi informasi penting yang terkandung di dalam citra, sedangkan subband bandpass berisi informasi detailnya. NSCT tidak hanya menyediakan analisa tentang multi resolusi, namun juga informasi geometri dan representasi arah, dan tidak berubah terhadap pergeseran sehingga setiap piksel dari hasil transformasi menempati piksel-piksel pada gambar referensi pada lokasi yang sama. Dengan sifat tersebut, informasi geometri piksel demi piksel didapatkan dari koefisien NSCT. Beberapa pakar mengklaim dapat melakukan klasifikasi dengan kasat mata menggunakan NSCT. NSCT toolbox membersihkan dan menjernihkan noise noise dan lebih mudah diekstrak fiturnya. NSCT toolbox dapat di download pada website matlab. Sehingga dengan kelebihan kelebihan yang dimiliki oleh metode NSCT tersebut di atas, dapat dengan mudah mendeteksi keaslian uang kertas melaui pengenalan pola dengan ekstraksi fitur atau ciri dari uang kertas dan didukung dengan metode pendekatan k-nn dalam hal klasifikasi uang sehingga proses identifikasi keaslian uang kertas rupiah lebih mudah untuk diidentifikasi. Dengan demikian, aplikasi camera smartphone yang menjadi alat deteksi penelitian ini dapat dimanfaatkan oleh kalangan masyarakat secara cepat dalam membedakan uang asli dengan uang palsu. 334
DAFTAR PUSTAKA Admin, 2015. Perbedaan dan Ciri Ciri Uang Asli dan Palsu, https://uangindonesia.com/, diakses pada tanggal 30 September 2017. Ahmad, Usman, 2005.Pengolahan Citra Digital dan Teknik Pemrogramannya. Yogyakarta: Graha Ilmu. Burt P.J. dan Adelson E.H 1983, "The Laplacian Pyramid as a Compact Image Code", IEEE Transactions on Communications, Vol. 31:4, hal. 532-540. Cunha A.L, J. Zhou dan M.N. Do 2006, "The Nonsubsampled Contourlet Transform: Theory, Design, and Applications", IEEE Transactions on Image Processing. Vol. 15: 10, hal. 3089-3101. Danantyocitro, R. 2004. Pengenalan Nominal Mata Uang Rupiah Menggunakan Jaringan Syaraf Tiruan Dengan Interval Rotasi (-90,90). Penelitian. Surabaya : Matematika - Institut Teknologi Sepuluh Nopember. Ginting, Elias Dianta.2009. Deteksi Tepi Menggunakan Metode Canny Dengan Matlab Untuk Membedakan Uang Asli dan Uang Palsu. Depok : Jurnal Universitas Gunadarma. Mellyssa, Widdha.2010. Desain dan Implementasi Sistem dan Autentikasi dan Pembacaan Nominal Uang Kertas Berbasis Pengolahan citra Menggunakan webcam. Bandung : Tugas Akhir ITTelkom. Sa idah, Sofia.2012. Identifikasi Keaslian Mata Uang Menggunakan Commodity Scanner Ditinjau dari Tekstur Permukaan Kertas dengan Transformasi Wavelet dan Template Matching. Bandung : Tugas Akhir ITTelkom. Sarvaiya J., Patnaik S. dan Goklani H. 2010, "Image Registration using NSCT and Invariant Moment", International Journal of Image Processing, Vol. 4:2, hal. 119-130. Serief C. dkk. 2007, "An automatic image registration scheme based on the nonsubsampled contourlet transform", Signal Processing and Its Applications, 2007. ISSPA 2007. 9th International Symposium. 335