Deteksi Nominal Rupiah Uang Kertas Berdasarkan Citra Warna Menggunakan Segmentasi K-Means Clustering dan Klasifikasi Random Forest

Abstract

Uang adalah sebuah benda yang digunakan oleh masyarakat sebagai alat tukar dan pembayaran barang yang sah, yang dikeluarkan oleh lembaga negara dengan bentuk dan gambar tertentu. Pada zaman kemajuan teknologi informasi, semakin banyak aplikasi yang dapat mempermudah aktivitas transaksi uang di masyarakat, salah satunya alat untuk mendeteksi nominal uang. Deteksi sendiri adalah suatu proses untuk memeriksa atau melakukan pemeriksaan terhadap suatu barang atau benda menggunakan cara atau teknik tertentu. Dalam penelitian ini, pengolahan citra dimulai dari akuisisi citra yang menggunakan 100 uang kertas rupiah yang terdiri dari nominal 1.000, 2.000, 5.000, 10.000, 20.000, 50.000, dan 100.000. Citra ini selanjutnya ditingkatkan mutunya dengan teknik enhancement melalui pengaturan kecerahan dan kontras. Selanjutnya citra diolah dengan metode segmentasi K-means untuk memperoleh segmentasi citra untuk selanjutnya diekstrak cirinya. Kemudian data hasil ekstraksi ciri tersebut digunakan dalam proses training untuk model klasifikasi Random Forest. Hasil akhir dari proses ini adalah, sebuah model Random Forest dengan 100 decision tree yang dapat memprediksi nominal rupiah uang kertas dari input gambar dengan tingkat akurasi mencapai 95%