Rancang Bangun Sistem Pendeteksi Keaslian Uang Kertas Rupiah Menggunakan Sinar UV dengan Metode Machine Learning

Aug 4, 2026

Sistem pendeteksi keaslian uang kertas rupiah dirancang karena uang berperan penting namun rawan tindak kriminal pemalsuan. Metode konvensional seperti image processing untuk scaling/color conversion, segmentasi, serta pemanfaatan ciri fisik (tekstur dan pola terawang) dinilai kurang efektif saat pemalsuan meningkat secara nyata. Penelitian ini mengembangkan sistem counting berbasis sinar ultraviolet untuk menampilkan hidden pattern sebagai fitur, sekaligus rotation invariant untuk pendeteksian lebih dari satu lembar. Integrasi image processing dan machine learning menggunakan k-NN serta CNN menghasilkan akurasi prediksi lebih dari 90%, dengan waktu deteksi kurang dari 4 detik untuk 10 lembar.

BahasaIndonesian

KategoriPenelitian & Laporan

FormatPDF

Halaman8

Waktu Membaca12 mnt

AksesGratis untuk diunduh

Daftar Isi

Pendahuluan

Latar belakang dan urgensi

Aplikasi dan kebutuhan sistem

Dasar Teori

Rupiah

Rancang Bangun Sistem Pendeteksi Keaslian Uang Kertas Rupiah Menggunakan Sinar UV dengan Metode Machine Learning Alvin Daffa Kumara Zulfiansyah, Hendra Kusuma dan Muhammad Attamimi Departemen Teknik Elektro, Institut Teknologi Sepuluh Nopember (ITS) [e-mail](e-mail: hendraks@ee.its.ac.id)[: hendraks@ee.its.ac.id](e-mail: hendraks@ee.its.ac.id) Abstrak—Sistem pendeteksi keaslian uang kertas rupiah merupakan metode yang dibutuhkan karena uang merupakan materi penting sehingga sering terjadi tindak kriminalitas. Metode yang sering digunakan adalah image processing untuk scaling dan color conversion, segmentasi untuk mendapatkan pola tertentu, atau dengan memperhatikan ciri fisik uang kertas rupiah, seperti tekstur dan pola terawang. Namun, metodemetode tersebut dapat dikatakan kurang efektif apabila terjadi peningkatan pemalsuan uang kertas rupiah dalam bentuk fisik. Sehingga penulis merancang sistem counting yang menggunakan sinar ultraviolet untuk menampilkan hidden pattern sebagai fitur khusus mendeteksi keaslian uang dengan metode machine learning dan menambahkan sistem counting buatan sendiri dengan fitur rotation invariant untuk melakukan pendeteksian lebih dari satu lembar uang kertas rupiah. Perpaduan image processing dan machine learning padapenelitian ini mampu memberikan hasil pengujian prototipedengan metode k-NN dan CNN memberikan persentasekeberhasilan prediksi sebesar lebih dari 90% dibandingkan denganSVM, Random Forest, dan Naive Bayes yang kurang dari 85%. Mekanik prototipe ini mampu melakukan pendeteksian kurang dari 4 detik dengan 10 lembar uang kertas yang dideteksi. Dengan meningkatkan metode detection yang lebih expert, seperti deep learning dengan model yang fleksibel jika ingin digunakan dalam pendeteksi mata uang selain rupiah. Kata Kunci—Sinar Ultraviolet, Rupiah, Rotation Invariant, Image Processing, Machine Learning. I. PENDAHULUAN DALAM lingkungan digitalisasi baru saat ini, orang dibatasi oleh teknologi, dan teknologi itu berkembang pesat. Tentu saja, penemuan semacam itu membuathidup kitalebih mudah. Orang-orang sekarang dapat menyelesaikantugas mereka dengan sedikit usaha, yang dimungkinkankarena kemajuan teknologi. Namun, beberapa orang menyalahgunakan manfaat teknologi tersebut untuk mencapai tujuan mereka. Ada banyak contoh semacam ini di sekitar [1] . Salah satu kegiatan tersebut adalah produksi mata uang palsu yang dipraktikkan untuk menipu orang [2] . Mata uang palsu digambarkan sebagai mata uang yang diproduksitanpa persetujuan hukum pemerintah. Untuk mencetak uang palsu, orang-orang yang tidak jujur menggunakan teknik pemindaian dan pencetakan yang paling mutakhir. Perkembangan uang palsu tersebut berdampak padaperekonomian negara manapun [1] . Sistem pengenalan keaslian mata uang kertas merupakan salah satu jenis sistem kecerdasan buatan yang sangatdibutuhkan dan krusial saat ini. Sistem pengenalan inimemiliki berbagai aplikasi potensial yang relevan dalam sistem perbankan elektronik atau, sistem deteksi mata uang, atau untuk mendeteksi uang kertas palsu [3] . Terdapat banyak metode yang digunakan untuk melakukan identifikasi apakah Gambar 1. Safety Element Rupiah. Gambar 2. Color Conversion HSV. uang tersebut termasuk uang asli atau bukan. Beberapa metode yang paling sering digunakan adalah image processing, dengan melakukan deteksi tepi, watermarking, ekstraksi fitur, metode segmentasi atau dengan memperhatikan ciri fisik uang kertas secara langsung [4] . Adapula yang menggunakan metode Convolution Neural Network (CNN) untuk meningkatkan akurasi pendeteksian kepalsuan uang kertas [5] . Namun, metode-metode tersebut dapat dikatakan kurangefektif apabila terjadi peningkatan pemalsuan uang kertasdalam bentuk fisik sehingga membuat tingkat akurasi berkurang jika hanya memproses uang kertas secara langsung. Adapun pada mesin ATM untuk setor tunai jugamemiliki beberapa kekurangan, seperti jika pada uang kertasterdapat benda asing (stepler, isolasi, stiker, coretan, dan

Pertanyaan Umum

Mengapa sistem pendeteksi keaslian uang kertas rupiah diperlukan?

Karena uang merupakan materi penting namun sering terjadi pemalsuan yang berdampak pada ekonomi. Karena itu dibutuhkan sistem pengenalan keaslian yang akurat dan krusial.

Bagaimana sinar UV digunakan untuk membedakan uang asli dan palsu?

Citra di bawah sinar UV menunjukkan perbedaan pada area tertentu: uang asli bersinar dan menampilkan hidden pattern yang menjadi fitur khusus deteksi.

Metode apa yang digunakan dan bagaimana kinerjanya?

Penelitian memadukan image processing dan machine learning, diuji dengan k-NN dan CNN. Hasil pengujian menunjukkan persentase keberhasilan prediksi lebih dari 90%, lebih unggul dibanding SVM, Random Forest, dan Naive Bayes.

Aug 4, 2026

Unggah oleh Lucas Martin