BAB 3 ANALISA DAN PERANCANGAN

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