Pengenalan Citra Uang Kertas Rupiah Dengan Metoda Local Binary Pattern

Prayogo, Muhammad Kukuh (2018) Pengenalan Citra Uang Kertas Rupiah Dengan Metoda Local Binary Pattern. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
2212100142-Undergraduate_Theses.pdf - Published Version
Restricted to Repository staff only

Download (2MB) | Request a copy

Abstract

Metode Local Binary Patterns adalah salah satu descriptor citra yang digunakan untuk klasifikasi pada Computer Vision dengan cara menilai piksel pada area threshold citra dengan turunan biner. Toleransi LBP pada iluminasi monotonik dan komputasi yang sederhana menjadikan LBP salah satu metode yang banyak digunakan pada Computer Vision, salah satunya pada facial recognition. Pada tugas akhir ini, akan dilakukan percobaan pengenalan uang kertas menggunakan metoda LBP. Pengenalan uang kertas dilakukan sebagai bahan uji eksperimen karena proses tersebut bersifat umum dan aplikatif untuk perancangan sistem yang lebih lanjut, serta akan memberikan gambaran bagaimana performa metode LBP akan bekerja pada suatu benda statis dengan ukuran dan warna yang bervariasi pada bidang datar untuk setiap uang kertas yang diuji. percobaan akan terdiri dari perancangan perangkat keras dan perancangan perangkat lunak. Pada perancangan perangkat keras akan dirancang sebuah perangkat yang dapat melakukan pengambilan citra uang kertas dengan pencahayaan yang cukup. Pada perancangan perangkat lunak akan dirancang sebuah program pra- pemrosesan untuk persiapan citra sebelum dilakukan operasi LBP untuk pengenalan dan citra database dan operasi LBP, keseluruahn program akan menggunakan Microsoft Visual Studio 2015 dengan OpenCV. Hasil dari percobaan menggunakan 3 variasi uang kertas Rupiah bernilai 1000, 2000, 5000, 10000, 20000, 50000 dan 10000 menggunakan segmentasi 50,128,200 dan 800 menunjukkan persentase kebenaran sebesar 92,857% untuk 50 segmentasi, 97,61% untuk 128 segmentasi, 92,857% untuk 200 segmentasi dan 83,333% untuk 800 segmentasi.=======Local Binary Patterns is one of image descriptor that has been used for computer vision classification by labelling the pixels of an image by thresholding the neighborhood of each pixel and considers the result as a binary number. Mononic tolerance and simple computation making LBP is one of the used methods in computer vision. Facial recognition is one of the process using LBP. In this final project, banknotes recognition using LBP methods will be tested. Banknotes recognition has been used widely and applicative for advanced implementation, also from this experiment we will know the performance of LBP operator processing still images with different colors on a level surface for every banknotes. the experiment will consist of hardware design and software design. For hardware design, we will design a device that can capture banknotes image with good lighting. for software design, we will make preprocessing program for LBP operation preparation that continues to recognition and image database operation, all of the program will be made within microsoft visual studio 2015 with opencv library. The result of the experiment using 3 variants of Rupiah banknotes ranging from 1000, 2000, 5000, 10000, 20000, 50000 and 100000 using 50, 128, 200 and 800 segmentations shows that the percentage of accuracy is 92,587% for 50 segmentations, 97,61% for 128 segmentations, 92,587% for 200 segmentations and 83,333% for 800 segmentations.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Local Binary Pattern, Pengenal Objek, OpenCV; Local Binary Pattern; Object Recognition
Subjects: T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK7870.23 Reliability. Failures
T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK7871.674 Detectors. Sensors
T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK7882.P3 Pattern recognition systems
Divisions: Faculty of Electrical Technology > Electrical Engineering > (S1) Undergraduate Theses
Depositing User: Kukuh Prayogo
Date Deposited: 20 Jul 2018 08:52
Last Modified: 20 Jul 2018 08:52
URI: http://repository.its.ac.id/id/eprint/52874

Actions (login required)

View Item View Item