Identifikasi Citra untuk Membedakan Uang Asli dan Palsu Menggunakan Algoritma Convolutional Neural Network (CNN)

Abstrak

Peredaran uang palsu di Indonesia terus meningkat seiring dengan kemajuan teknologi. Telah dibangun sistem pendeteksi keaslian uang dengan metode Convolutional Neural Network (CNN) untuk mencegah peredaran uang palsu dan menghentikan transaksi peredarannya. Metode CNN telah digunakan untuk mengklasifikasikan uang asli dan palsu berdasarkan gambar. Gambar uang asli mempunyai ciri khusus yang dapat membedakannya dengan uang palsu yaitu adanya watermark yang tidak terlihat oleh mata. Watermark merupakan gambar tersembunyi yang akan muncul pada mata uang rupiah asli jika dilihat. Eksperimen dilakukan dengan menggunakan dataset uang kertas yang mempunyai 2 kelas yaitu uang asli sebanyak 1.015 dan uang palsu sebanyak 1.126. Sebelum melakukan proses pembuatan model, data perlu diubah ukurannya menjadi 224x224 piksel untuk model GoogleNet, 256x256 untuk model AlexNet, dan 200x200 untuk model yang dimodifikasi. Model yang dimodifikasi dibuat untuk membandingkan hasil dari GoogleNet dan AlexNet, dengan mengurangi lapisan dan menyesuaikan parameter dengan data yang ada. Hasil terbaik diperoleh dengan parameter yang digunakan pada tahap uji yaitu nilai epoch 50 dan pixel 244x244, learning rate 0.001, dengan pembagian jumlah data latih dan data uji yaitu 70% dan 30%. Berdasarkan parameter tersebut didapatkan hasil dari training loss sebesar 4%, validation loss sebesar 69,9%, akurasi pelatihan sebesar 97,8% dan akurasi validasi sebesar 82,65%. Hasil tersebut merupakan hasil terbaik dari 3 arsitektur yang dibandingkan, dan dari berbagai jenis pengujian. Penambahan jumlah leyer dapat mrnyebabkan waktu pemrosesan menjadi lebih lama.