ABSTRAKSI: Mesin-mesin pendeteksi uang kertas secara otomatis tidak banyak kita jumpai di masyarakat sekitar sekarang ini. Kurangnya teknologi untuk mendeteksi baik nominal maupun keaslian uang tersebut mungkin adalah salah satu sebabnya. Padahal jika mesin pendeteksi ini dapat direalisasikan akan sangat bermanfaat bagi masyarakat dan bisa digunakan dalam mesin ATM, di bank, di toko-toko, ataupun di mesin penjual otomatis (vending machine). Dan untuk membuat sistem yang sebaik mungkin, perlu diterapkan kompleksitas dan kombinasi dari beberapa algoritma yang telah ada ataupun yang akan ada.
Pada tugas akhir ini telah dibuat sebuah rancang bangun sederhana sebagai tempat akuisisi citra uang (detektor) dan juga sistem pendeteksi nominal dan keaslian uang kertas. Metode yang digunakan adalah Template Matching sebagai pendeteksi nominal, ekstraksi ciri dengan menggunakan Thresholding dan metode K-Nearest Neighbor (KNN) sebagai klasifikasi dalam pendeteksian keaslian uang kertas. Dan hasil keluaran dari sistem ini adalah hasil deteksi nilai nominal, ciri pendaran dari uang kertas, dan keputusan autentikasi, ‘asli’ atau ‘palsu’.
Setelah dilakukan pengujian dan analisis, didapatkan hasil akurasi tertinggi pada pendeteksian nominal uang kertas adalah pada saat kondisi Brightness Factor bernilai 1.65 kali, yaitu sebesar 91.67%. Kemudian akurasi tertinggi pada sistem autentikasi atau pendeteksian keaslian uang kertasnya adalah sebesar 98.21% dengan menggunakan algoritma Manhattan Distance dan pada saat k = 1.Kata Kunci : Citra, Uang, Pemindai Uang Kertas, Template Matching, K-Nearest Neighbor, KNNABSTRACT: The needs of the automatically paper currency detector nowadays is rarely seen by our people. Lack of detect the value or paper currency authenticity technology perhaps are one of that cause. If this kind of detector machine is realized, it would be really useful to the people. And it could be used into the ATM machine in the bank, stores, or into the vending machine. And to make this system as good as possible, it needs to be applied some complexities and algorithms combination that already exist or would be exist.
In this final assignment, it has been made a simple prototype for paper currency image acquisition purpose (detector), and also the system of value and paper currency authenticity. By exploiting Template Matching method as a value detector, feature extraction with Thresholding and K-Nearest Neighbor (KNN) as a classifier in the paper currency authenticity detection. And the output results from the system is a detected value, feature of paper currency luminescene, and authenticity decision, ‘genuine’ or ‘counterfeit’.
After testing and analyzing, the highest accuracy at value detection stage of paper currency is, when Brightness Factor mark was 1.65, 91.67%. And then, the highest accuracy at the authenticity system of paper currency is 98.21% with Manhattan Distance algorithm and when k = 1 state.Keyword: Image, Money, Paper Currency Scanner, Template Matching, K-Nearest Neighbor, KNN