Detail Cantuman

Uang adalah alat bantu tukar atau standar dari pengukur nilai (kesatuan hitungan) yang sah, dikeluarkan oleh pemerintah suatu negara berupa kertas, emas, perak atau logam- logam lain yang dicetak dengan bentuk dan gambar tertentu. Ciri ciri uang kertas Asli dari Bank Indonesia antara lain, watermark, benang pengaman, cetakan dalam, rectoverso, variable ink, tulian mikro, nomer seri, dan invinsible ink. Masih banyaknya peredaran uang palsu dan ketidaktauan masyarakat mengenai uang layak atau tidak layak menjadi representatif penulis membuat penelitian ini. Dalam penelitian ini penulis menerapkan Gaussian Naive Bayes dan LBP (Learning Binary Pattern) untuk mengidentifikasi keabsahan uang kertas rupiah. Gaussian Naive Bayes adalah sebuah metode turunan dari Naïve Bayes yang mempunyai keunggulan dalam mengklasifikasi fitur ciri berbentuk numerik. Performa sistem diukur berdasarkan nilai akurasi, presisi, recall, dan F-Measure. Penelitian ini bertujuan untuk menghitung akurasi dalam mengidentifikasi keabsahan uang kertas rupiah dengan tahapan mulai dari preprocessing, ekstraksi fitur dengan Learning Binary Pattern dan Gaussian Naïve Bayes untuk klasifikasi. Untuk pengujian kinerja sistem dengan jumlah total 210 data uji yang terdiri 10 data pada setiap kelasnya dan didapatkan rata – rata nilai akurasi 79,4%, recall 78,2%, precision 82,4% dan F-measure 75%. Dari hasil pengujian sistem didapat bahwa kelas Asli Layak mendapat akurasi paling besar diantara kelas Asli Tidak Layak dan kelas Palsu. Sehingga dapat disimpulkan kelas Asli Layak mendapat
vii Institut Teknologi Nasional
rata – rata nilai, recall 88,4%, precision 82,9% dan F-measure 84,5% merupakan nilai rata rata terbaik dibanding kedua kelas lainnya. Artinya semakin tinggi nominalnya semakin sulit untuk dipalsukan dan keabsahan yang sangat baik. Untuk pengujian dengan 3 kelas dengan 210 data uji didapat nilai accuracy 97%, recall 97,3%, precision 98% dan F-measure 97,3%. Hasilnya lebih baik dibandingkan 21 kelas hal itu didapat karena berbedanya jumlah kelas sehingga semakin sedikit kelas akurasinya semakin baik.
Kata kunci : Indentifikasi, Uang kertas, Uang Palsu, Uang Layak Gaussian Naïve Bayes, Learning Binary Pattern