Uang merupakan alat tukar umum yang sah disetiap negara, atau suatu benda yang diterima secara umum oleh masyarakat untuk mengukur nilai, menukar, dan melakukan pembayaran atas pembelian barang dan jasa, dan pada waktu yang bersamaan bertindak sebagai alat penimbun kekayaan. Uang memiliki fungsi sebagai perantara untuk pertukaran barang dengan barang, juga untuk menghindarkan perdagangan dengan cara barter. Untuk mengenali uang agar membedakan uang asli dan uang palsu ada tiga cara yaitu dilihat, diraba, dan ditrawang.
Aplikasi yang dibuat adalah aplikasi untuk mengenali nominal mata uang dan mengetahui keasliannya. Metode Local Binary Pattern (LBP) adalah langkah awal dalam interpretasi citra, LBP adalah oeprator sebagai proses ekstraksi ciri mampu menganalisis tekstur daripada uang riyal. Proses selanjutnya adalah proses kalsifikasi menggunakan analisis Jaringan Syaraf Tiruan (JST) dengan metode Learning Vector Quantization (LVQ) digunakan untuk pengelompokkan dimana jumlah kelompok sudah ditentukan arsitekturnya dengan kelas sebagai presentasi untuk output.
Penelitian ini akan melakukan pengujian dan analisis terhadap kinerja dari metode Local Binary Pattern dan learning vector Quantization. Serta mengetahui manfaat dari aplikasi yang telah dibuat. pada percobaan perbandingan histogram LBP mengetahui bahwa ambang batas saat 0.02 adalah ambang batas paling akurat. Sedangkan untuk klasifikasi nominal nilai learning rate yang menghasilkan akurasi terbaik sebesar 85.7% ada pada batas nilai 0.02.