Hasil Pencarian  ::  Simpan CSV :: Kembali

Hasil Pencarian

Ditemukan 7 dokumen yang sesuai dengan query
cover
Abstrak :
A comprehensive guide to paper currency used throughout the world from 1961 to 2007, featuring over 19,000 variety listings with more than 12,250 illustrations of faces and backs, along with retail pricing, collector information, bank note signature charts, and various indexes.
Iola, WI: Krause, 2008
R 769.55 STA
Buku Referensi  Universitas Indonesia Library
cover
Sommeng, Andy Noorsaman
Depok: Fakultas Teknik Universitas Indonesia, 2001
LP-pdf
UI - Laporan Penelitian  Universitas Indonesia Library
cover
Henry Faisal Noor
Jakarta: UI Press, 2014
332.4 HEN a
Buku Teks  Universitas Indonesia Library
cover
Henry Faisal Noor
Jakarta: UI-Press, 2014
332.4 HEN a
Buku Teks  Universitas Indonesia Library
cover
Achmad Karunia G.
Abstrak :
Kualitas cetak dari produk uang kertas sangat penting artinya, karena di samping harus memiliki kualitas visual/penampakan yang baik juga harus memiliki kandungan nilai keamanan tinggi yang bertujuan untuk mengantisipasi adanya pemalsuan.

Permasalahan utama yang timbul dan proses pemeriksaan kualitas akhir produk cetak uang kertas adalah kontinuitas kualitas maupun kuantitas hasil pemeriksaan. Untuk itu perlu dilakukan suatu studi kelayakan dalam rangka proses pemeriksaan akhir uang kertas menggunakan otomatisasi.

Melalui penelitian dan analisa yang ditinjau dari beberapa aspek tentang studi kelayakan tersebut, maka dapat disimpulkan : 1. Asumsi proyeksi order cetak uang kertas khususnya untuk order pecahan besar naik rata-rata 3 % pertahun. 2. Kontinuitas kualitas maupun kuantitas dari otomatisasi lebih baik dan dapat dipertanggung jawabkan. 3. Otomatisasi menyebabkan penekanan biaya tenaga kerja hingga 85 %. 4. Otomatisasi dapat mempersingkat waktu dan alur kerja pada produksi cetak nomor, khususnya penomoran bilyet pengganti. 5. Dari evaluasi aspek Finansial rencana investasi otomatisasi tidak layak, karena nilai Internal Rate of Return (IRR) hanya sebesar 5,066 % jauh dibawah Social Opportunity Cost of Capital (SOCC) atau tingkat suku bunga yang ada di masyarakat yaitu 16%. Hal tersebut akibat tingginya nilai investasi yang mengacu pada nilai tukar rupiah terhadap valuta asing khususnya 1 Franc Swiss (1 CHF) saat dilakukan perhitungan yaitu sebesar Rp. 6.500,- (enam ribu lima ratus rupiah).

Disarankan apabila otomatisasi proses pemeriksaan akhir uang kertas akan direalisasikan, maka kepada pihak manajemen perusahaan harus memperhatikan/menekan biaya investasi agar dapat diperoleh keuntungan.
The printed quality of banknote is very essential, because it must have good appearance and high security value for the purpose to anticipate counterfeit money.

The main problem of quality control of printed banknote is continuity control of quality and quantity. Therefore, it is necessary to make feasibility study about final quality control process of printed banknote using automation.

The result of feasibility study can be obtained through research and analyze some aspect i.e.: 1. The printed banknote forecast order increased 3 % per year on an average. 2. The continuity of quality and quantity from automation are better than the current process. 3. Automation makes the cost of labor decrease 85 %. 4. Automation makes to shorten time and workflow at the production of printed number. 5. Evaluation result of financial aspect about the automation investment is not feasible, because its Internal Rate of Return (IRR) 5,066 % is under value of the Social Opportunity Cost of Capital (SOCC) 16 %. At the evaluation, Swiss Franc foreign currency (1 CHF) is Rp. 6,500 (six thousand five hundred rupiahs). If the automation will be realized, it is recommended for company's management to concern its investment cost in order to get profit.
Depok: Fakultas Teknik Universitas Indonesia, 2001
T3534
UI - Tesis Membership  Universitas Indonesia Library
cover
Raihan Fadhilah Fauzi
Abstrak :
Uang kertas De Javasche Bank merupakan salah satu data arkeologi. Tulisan ini membahas mengenai perkembangan ragam hias uang kertas De Javasche Bank. Jumlah uang kertas yang diteliti dalam penelitian ini adalah 48 lembar uang kertas. Komponen analisis yang digunakan dalam bentuk ragam hias ini adalah atribut yang tertera pada tiap uang kertas. Berdasarkan hasil analisis, dapat diketahui bahwa setiap ragam hias memiliki bentuk dan variasi masing-masing yang menjadi ciri khas dari setiap uang kertas. Secara keseluruhan, penelitian ini menghasilkan empat ragam hias dan perkembangannya. ...... De Javasche Bank paper money is one of archeological data. This research discussed the variety of ornaments De Javasche Bank paper money. The amount of paper money subjects in this research is 48 sheets of paper money. The components of analysis used in the form of variety of ornaments it is an attribute stamped on every paper money. Based on the results of the analysis, it can be seen that every variety of ornaments having the form of and variation each which is typical of any paper money. Overall, this research produced four variety of an ornaments and progress.
Depok: Fakultas Ilmu Pengetahuan dan Budaya Universitas Indonesia, 2016
S-Pdf
UI - Skripsi Membership  Universitas Indonesia Library
cover
Dawud Gede Wicaksono D.
Abstrak :
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.
Depok: Fakultas Teknik Universitas Indonesia, 2008
S40552
UI - Skripsi Open  Universitas Indonesia Library