PENINGKATAN AKURASI DETEKSI NOMINAL DAN WATERMARK UANG DENGAN KOMBINASI ALGORITMA CNN DAN MACHINE LEARNING

Adiyatama, Gilang Raihan (2024) PENINGKATAN AKURASI DETEKSI NOMINAL DAN WATERMARK UANG DENGAN KOMBINASI ALGORITMA CNN DAN MACHINE LEARNING. Bachelor thesis, Universitas Nasional.

	Text Cover.pdf Download (1MB)
	Text BAB I.pdf Download (303kB)
	Text BAB II.pdf Download (577kB)
	Text BAB III.pdf Download (587kB)
	Text BAB IV.pdf Download (1MB)
	Text BAB V.pdf Download (264kB)
	Text Daftar Pustaka.pdf Download (269kB)

Abstract

Alat tukar atau standar untuk mengukur nilai adalah uang kertas, emas, perak, atau
logam lainnya yang dikeluarkan oleh pemerintah suatu negara dalam bentuk dan
gambar tertentu. Memeriksa atau mengevaluasi sesuatu melalui penggunaan teknik
dan pendekatan tertentu dikenal sebagai deteksi. Seiring dengan kemajuan
teknologi informasi, kriminalitas yang memanfaatkan teknologi meningkat. Saat
ini, pengolahan gambar digital dapat digunakan sebagai sistem pengenalan untuk
menemukan potensi pelanggaran hukum, terutama untuk menemukan objek yang
unik, seperti watermark pada uang kertas rupiah. Penelitian ini mengkaji
penggunaan Convolutional Neural Network (CNN) untuk mendeteksi keaslian dan
nominal uang kertas Rupiah melalui analisis citra digital, khususnya fitur
watermark. Dataset yang digunakan melibatkan berbagai proses preprocessing dan
augmentasi karena variasi kondisi pencahayaan, orientasi, dan posisi uang kertas.
Hasil evaluasi model mencakup keberhasilan sistem untuk mendukung performa
ML dan akurasi deteksi nominal dan watermark pada berbagai kondisi. Penelitian
ini diharapkan dapat membantu mengembangkan teknologi yang lebih
komperehensif dan memperluas penggunaan CNN dalam deteksi mata uang dan
watermark. Metode CNN menghasilkan akurasi terbaik sebesar 92,66% dan metode
deteksi watermark sebesar 95,65%.

Item Type:	Thesis (Bachelor)
Subjects:	H Social Sciences > HF Commerce Z Bibliography. Library Science. Information Resources > Z665 Library Science. Information Science
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika
Depositing User:	Users 30 not found.
Date Deposited:	09 Sep 2024 07:57
Last Modified:	09 Sep 2024 07:57
URI:	https://repository.unas.ac.id/id/eprint/11685

Actions (login required)

View Item