Hasil Pencarian  ::  Simpan CSV :: Kembali

"Skripsi ini dilakukan sebagai penelitian untuk menganalisa proses pengenalan jenis pecahan uang kertas rupiah dengan menggunakan metode Logika Fuzzy. Hal ini didasarkan pada teori bahwa setiap jenis pecahan uang kertas rupiah memiliki desain, warna serta ciri yang unik. Dalam skripsi ini tiap lembar uang kertas bagian depan dan bagian belakang di-scan menggunakan scanner. Kemudian image hasil scanning dilakukan proses graylevel. Selanjutnya dilakukan cropping pada region of interest. Hasil cropping yang berupa bagian kecil dari image kemudian diambil matriksmatriks sampelnya untuk ditentukan rata-rata nilai real FFT, rata-rata nilai DCT dan jumlah piksel hasil edge detection. Hasilnya kemudian dijadikan database. Pengenalan dilakukan dengan membandingkan nilai matriks sampel yang akan dianalisis terhadap database. Pengenalan dilakukan dengan tiga metode yaitu Fuzzy inference system (FIS) dengan fungsi keanggotaan tipe segitiga, tipe Gaussian, dan tipe trapesium. Pengenalan dilakukan menggunakan enam jenis pecahan mata uang kertas rupiah yang terdiri dari Rp100.000,00; Rp50.000,00; Rp20.000,00; Rp10.000,00; Rp5000,00; and Rp1000,00. Simulasi mampu mengenali pecahan uang dengan tingkat ketepatan bervariasi mulai sebesar 78,95 % sampai 89,47 %. Akurasi tertinggi dicapai oleh metode FIS dengan fungsi keanggotaan Gaussian yaitu sebesar 89,47%.

---

This paper was made for studying Identification process of rupiah paper money using Fuzzy Logic. The study based on the theory that every kind of rupiah paper money were designed uniquely. In this paper, both side of rupiah paper money were scanned by a scanner. Then images obtained from the scanner were changed into graylevel images. A small part of graylevel images called region of interest then were cropped for obtaining sample matrices for determining three kind of image characteristic parameter. They were real average value of FFT, average value of DCT and number of pixel of edge detected images. The results then were mapped into membership function curve called database. Identification were held by evaluating the value of image characteristic parameter of the image being identified if their values were in database or not. Fuzzy Inference System with trapesium type, triangle type, and Gaussian type membership function provided by Matlab being used in this paper. Identification was held by using six different kind of rupiah paper money. They were Rp100.000,00; Rp50.000,00; Rp20.000,00; Rp10.000,00; Rp5000,00; and Rp1000,00. Data obtained from simulation told us if the money were succesfully identified or not. Simulation yielded percentage of accuracy from 78,95 % until 89,47 %. Fuzzy Inference System with Gaussian Type Membership function yielded best percentage of accuracy up to 89,47 %."

"ABSTRAK

Memperahankan nilai tukar ini BI sering melakukan operasi pasar sehingga

dikhawatirkan cadangan devisa akan terkuras untuk operasi pasar tsb. Akhirnya BI

menetapkan sistem nilal tukar mengambang terkendali dengan memberikan toleransi

devaluasi rupiah terhadap US$ sebesar 3-5%.

Tujuan dari tulisan ini adalah untuk mengetahui kinerja nilai tukar rupiah

terbadap mata uang negara mitra dagang utama. Negara mitra dagang utama yang

diambil adalah lima negara yaitu Amerika Serikat, Jepang, Jerman, Singapura dan

China yang diambil dari laporan Litbang Depperindag.

Secara umum kinerja nilai tukar rupiah terhadap lima negara mitra dagang

utama cenderung melemah, kecuali untuk nilai tukar rupiah terbadap Rmb China

dimana nilai tukar rupiah cenderung menguat Kondisi ini terliliat dari perbandingan

hasil ramalan nilai tukar yang diperoleh dari perhitungan melalui Purchasing power

Parity (PPP) dan Interest Rate Parity (IRP) dengan nilai tukar rupiah yang

sesungguhnya terjadi di pasar. Keadaan membalik terjadi sejak tahun 1995 dimana

nilai tukar rupiah terlihat cenderung menguat terhadap US$, Yen, DM maupun dolar

Singapura.

Namun apa yang terjadi pada pertengahan tahun 1997 adalah rupiah

mengalami goncangan di pasar sehingga menyebabkan kepanikan pelaku ekonomi

dan otoritas moneter di Indonesia. Karena tidak bisa dipungkiri bahwa kondisi ini

telah menimbulkan rentetan penistiwa yang menimbulkan kerugian ekonomi baik

mikro maupun makro. Kondisi ini yang pada akhirnya otoritas moneter menetapkan

sistem nillai tukar mengambang dimana nilai tukar sepenuhnya diserahkan pada

kekuatan pasar.

lmplikasi dengan melemahnya rupiah terhadap mata uang asing terutama

US$ seharusnya memberikan momen yang tepat untuk meningkatkan ekspor

Indonesia. Karena salah satu permasalahan yang memperparah krisis mata uang

sekarang adalah buruknya kinerja neraca perdagangan, sedangkan cadangan devisa

merupakan kunci utama untuk mencegah kemelut mata uang.

"

"ABSTRAKLogika fuzzy diterapkan pada pengendali VCO akan memberikan kemudahan dan keunggulan bila dibandingkan dengan kendali konvensional. Pada Tesis ini diterapkan pengendali logika fuzzy pada pengendalian proses frekuensi. Pengendali logika fuzzy menggunakan metode implikasi dan defuzzikasi dari Yager. Implikasi Yager menerapkan operator logika dari Zadeh, Fungsi implikasi Yager mendefinisikan relasi himpunan fuzzy . Algoritma pengendali logika fuzzy diterjemahkan kedalam program komputer menggunakan teknik programming pascal untuk prosedur pembacaan dan pengiriman data. Perangkat keras dibuat sebagai rangkaian pengendalian proses frekueensi yang terdiri dari rangkaian konversi V/F dan FR'. Tujuan pengendalian proses frekuensi adalah mempertahankan frekuensi keluaran yang diinginkan agar tetap pada berbagai kondisi, walaupun terdapat ganguan yang masuk ke proses. "

"Dalam penelitian ini aplikasi kendali logika fuzzy digunakan pada pengendalian posisi untuk pengaturan kecepatan motor dc. Kendali logika fuzzy diimplementasikan pada Personal Computer (PC) dan programnya dibuat dengan bahasa visual basic 6.0. Komunikasi yang digunakan adalah komunikasi parallel antara PC dengan device yang digunakan. Pengaturan kecepatan motor dc dilakukan dengan menggunakan metode Pulse Width Modulation (PWM). Sistem logika fuzzy mempunyai 2 crisp input yaitu error dan perubahan error dan mempunyai 1 crisp output. Metode defuzzifikasi yang digunakan adalah mean of maxima. Jumlah label dari membership function adalah 7 label. Respon sistem ditampilkan dalam bentuk grafik antara Setting Point (SP), Process Variable (PV), dan Manipulated Variable (MV). Hasil pengujian menunjukkan bahwa sistem telah bekerja dengan baik walaupun SP berubah-ubah."

"Skripsi ini dibuat untuk merancang perangkat lunak yang mampu mengenali nilai nominal uang kertas rupiah beserta keasliannya melalui proses pengolahan citra berbasiskan metode jaringan syaraf tiruan dengan algoritma backpropagation. Sistem pengenalan citra (image recognition) ini memperoleh kemampuan deteksi dengan cara belajar dari contoh (learning by examples).Pola dari tiap uang kertas rupiah memiliki ciri yang unik yang membedakannya satu dengan yang lainnya, baik bentuk angka, jumlah angka nol, serta gambar latar belakangnya. Pola khas dari tiap jenis uang kertas inilah yang dikenali oleh perangkat lunak ini, sehingga mampu membedakan tidak hanya uang kertas rupiah (valid data) tapi juga uang kertas pecahan lain (unknown data).Pencitraan uang kertas berasal dari dua sumber yakni citra tampak (visible image), yang berasal dari scanner 300 dpi, dan tak tampak (invisible image), yang menggunakan sinar ultraviolet (UV). Beberapa area tertentu diambil dari citra sebagai masukan identifikasi yang akan diolah melalui proses dijitalisasi sehingga dihasilkan reduksi citra hitam-putih (gray-scale) sebesar 8x7 pixel. Hal ini bertujuan selain mengurangi besar data pelatihan jaringan syaraf tiruan (JST) juga meningkatkan kemampuan identifikasi.Metode backpropagation dipilih didasarkan atas masukan data relatif kecil dengan harapan waktu pendeteksian dapat dipersingkat. Hasil identifikasi mungkin tidak akan mendekati klasifikasi, tetapi akan didekati dengan persentase kesalahan sekecil mungkin. Jumlah total data sebanyak 76 set, dimana 25 diantaranya digunakan untuk melatih JST, dan sisanya sebanyak 51 set digunakan untuk menguji JST. Hasil simulasi menunjukkan sistem mampu mengenali dengan tingkat akurasi hingga sebesar 92% bervariasi tergantung dari jumlah set data pelatihan yang dilakukan. Metode yang diterapkan dapat digunakan untuk mengenali uang kertas pecahan rupiah.

---

This paper is written to design a software that capable to recognize the nominal value of rupiah banknote with its authenticity by means of image-processing technic based on artificial neural network with backpropagation algorithm. This image-processing technic has its recognition ability from learning-by-examples process.

Each rupiah banknote has its unique characteristic which distinguish the banknote with one another, such as numeral shape, amount of zeroes, and its background image. The software then uses this banknote’s unique pattern to recognize not only for valid currency, but also for unknown currency.

The banknote imaging process itself came from two sources, visible image—taken from a 300dpis scanner, and unvisible image—taken from a UV. Some certain areas are taken from the image as identification source that will be processed by some digitalization until these areas become an 8x7 pixels gray-scale image. This is intented to reduce the data size for the artificial neural network training process, thus increase the identification ability.

Backpropagation method is chosen based on its input data which is relatively small, hoping that the detection time can be decreased. The identification result might not get closer with the classification result, but will get approached with as small error as possible. The total amount of data are 76 sets, where 25 of them are used to train the artificial neural network, and the rest of them are used to test the neural network. Simulation result shows that the sistem is capable to identify up to 92% of accuracy, depends on amount of train-sets data. This method can be used to identify the rupiahs banknote authenticity."

"Sistem pengenalan Tulisan Tangan secara garis besar terbagi atas 2 kategori, yaitu on-line system dan off-line system. Pada on-line system, tulisan dihasilkan oleh suatu perangkat elektronik seperti pada layar PDA (touch screen), sedang off-line system menggunakan citra dari tulisan tangan yang diambil melalui kamera atau scanner.Pada tesis ini akan dibahas yang menggunakan off-line system, dimana citra tulisan diambil melalui scanner, kemudian diolah agar menghasilkan citra hitam putih tulisan tangan yang siap dimasukkan dalam proses pengenalan. Metode yang digunakan adalah pendekatan Analitis dengan Segmentasi secara eksplisit, dimana proses pengenalan tulisan dilakukan dengan cara memecah citra tulisan ke dalam segment, kemudian mencoba melakukanpengenalan terhadap segment tersebut. Metode ini mempunyai keunggulan bahwa dalam tahap pengenalan terhadap segment dapat menggunakan teknik Pengenalan Karakter (Optical Character Recognition) yang sudah ada, namun sistem ini mempunyai kelemahan bahwa ia tidak dapat mengambil informasi dari hubungan antar karakter. Pengenalan Character dilakukan melalui tahapan pemrosesan citra seperti Region Of Interest(ROI), binaryzation, dan thinning, kemudian dilakukan ekstraksi fitur dengan metode zoning untuk selanjutnya dimasukkan ke dalam JST Fuzzy ARTMAP. Fuzzy ARTMAP dipilih karena memiliki keunggulan dalam hal Incremental Learning. Hasil dari proses ini akan menghasilkan karakter dari kata yang dikenali."