Skip to content

Pada project ini, akan dilakukan identifikasi nilai mata uang rupiah dengan menggabungkan metode ekstrasi ciri Local Binary Pattern dan metode klasifikasi Naïve Bayes. Serta untuk pengukuran akurasi identifikasi dilakukan dengan metode evaluasi K-Fold Cross Validation. Dataset yang digunakan berupa citra dengan rincian terdapat 120 citra yang te…

Notifications You must be signed in to change notification settings

weniariska/rupiah-currency-image-recognition-system

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

9 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

Rupiah Currency Image Recognition System

Deskripsi Singkat Project

Pada project ini, akan dilakukan identifikasi nilai mata uang rupiah dengan menggabungkan metode ekstrasi ciri Local Binary Pattern dan metode klasifikasi Naïve Bayes. Serta untuk pengukuran akurasi identifikasi dilakukan dengan metode evaluasi K-Fold Cross Validation. Dataset yang digunakan berupa citra dengan rincian terdapat 120 citra yang terdiri dari 15 citra uang kertas Rp1.000, 15 citra uang kertas Rp2.000, 15 citra uang kertas Rp5.000, 15 citra uang kertas Rp10.000, 15 citra uang kertas Rp20.000, 15 citra uang kertas Rp50.000, 15 citra uang kertas Rp75.000, dan 15 citra uang kertas Rp100.000

Tahapan Identifikasi

  • Akuisisi Data
    Bagian akuisisi data digunakan untuk memperoleh data latih serta data uji untuk penelitian. Dalam pengambilannya, peneliti mengambil gambar uang yang difoto di atas kertas HVS.
    Contoh :
    image
  • Konversi Grayscale
    image
    Pada bagian ini, citra dikonversi kedalam mode grayscale yang bertujuan untuk memenuhi syarat citra agar dapat dilakukan ekstrasi ciri.
  • Ekstrasi Ciri
    Metode ekstrasi ciri yang digunakan pada penelitian ini adalah Local Binary Pattern (LBP). Terdapat beberapa tahapan dalam penggunaan LBP, yaitu sebagai berikut.
    1. Lakukan inisialisasi terhadap (x, y) dan varibel nilai yang berguna sebagai penampung nilai yang nantinya menggantikan nilai piksel tengah.
    2. Menggunakan kondisi x > 0 dan x < lebar citra dikurang 1 dan y > 0 dan y < tinggi citra dikurang 1. 3. Apabila kondisi tersebut terpenuhi maka ambil nilai piksel tengah ic dan piksel ketetanggaan dari i7 sampai i0.
    4. Lakukan perbandingan nilai piksel tengah ic dengan piksel ketetanggaan, apabila nilai ic >= piksel ketetanggaan maka dilakukan penjumlahan pada variabel nilai sesuai dengan bobot masing-masing piksel ketetanggaan.
    5. Ubah semua nilai warna pada piksel (x,y) dengan value pada variabel nilai.
    6. Lakukan penjumlahan nilai y dan memproses piksel selanjutnya. Setelah semua piksel diproses maka akan terbentuk citra hasil LBP.
  • Klasifikasi
    Metode klasifikasi yang digunakan pada penelitian ini adalah Naïve Bayes. Terdapat beberapa tahapan dalam penggunaan Naïve Bayes, yaitu sebagai berikut.
    1. Mencari probabilitas setiap atribut terhadap kelas
    2. Menetapkan data sampel yang inigin diuji kelasnya ke dalam variabel, misal X
    3. Menetapkan hipotests bahwa X adalah data dengan kelas label tertentu kedalma variabel, misal Y
    4. Cari prior yaitu peluang dari hipotesis Y
    5. Cari evidence yaitu peluang data sampel yang diamati
    6. Cari likelihood yaitu peluang data sampel X, bila diasumsikan bahwa hipotesis Y benar
    7. Untuk klasifikasi, cari posterior dengan nilai terbesar yang didapat dari perhitumgan likelihood dikali prior dibagi evidence
  • Evaluasi
    Setelah citra diekstrasi dan diklasifikasi, maka pada tahap ini dilakukan perhitungan akurasi pengujian menggunakan K-Fold Cross Validation.

Screenshoot tampilan GUI aplikasi

Halaman menu home
image
Input directory image yang ingin di klasifikasi
image
Hasil kalsifikasi
image
Halaman menu dataset
image
Halaman menu plot
image

About

Pada project ini, akan dilakukan identifikasi nilai mata uang rupiah dengan menggabungkan metode ekstrasi ciri Local Binary Pattern dan metode klasifikasi Naïve Bayes. Serta untuk pengukuran akurasi identifikasi dilakukan dengan metode evaluasi K-Fold Cross Validation. Dataset yang digunakan berupa citra dengan rincian terdapat 120 citra yang te…

Topics

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages