Kajian Pustaka: Deteksi Uang Kertas Rupiah Menggunakan Pemrosesan Citra Digital
Keywords:
Deteksi Uang Palsu, Iot, raspberry pi, pengolahan citra digitalAbstract
Seiring dengan meningkatnya peredaran uang palsu saat ini mendorong penciptaan sistem pendeteksian uang asli atau uang palsu berbasis pengolahan citra digital. Kecanggihan teknologi sering disalahgunakan. Salah satunya kualitas printer maupun tintanya yang semakin bagus sehingga dapat mencetak lembaran uang yang sangat mirip dengan uang asli. Hal ini membuat masyarakat harus lebih hati-hati terhadap kepemilikan uang. Solusi yang diberikan oleh pemerintah untuk berhati – hati terhadap uang palsu adalah dengan mengandalkan 3D (dilihat, diraba dan diterawang) namun langkah tersebut belum secara sempurna dapat membedakan uang asli dan palsu, dengan seiring berkembangnya teknologi yang ada salah satu alat bantu yang paling banyak dipakai dalam mengecek yang palsu adalah dengen metode 3d atau memanfaatkan sinar UV dan kaca pembesar , akan tetapi alat tersebut relative mahal dan tidak semua masyarakat Indonesia mempunyai alat tersebut. Berdasarkan permasalah diatas perlunya dibuat sistem deteksi uang palsu dengan deteksi citra digital. Tujuan dari penelitian ini adalah membantu manusia untuk mempermudah dalam mengidentifikasi keaslian uang kertas menggunakan pengelolahan citra digital dengan memanfaatkan teknologi Iot. Salah satu perangkat iot yang dapat digunakan adalah Raspberry PI 3 dengan ditambakan modul kamera (webcam) yang dapat menangkap gambar uang dan uang tersebut akan diolah secara digital. Dengan adanya penulisan ini diharapkan dapat mempermudah dalam pendeteksian uang palsu dengan mudah dan lebih cepat.
References
M. Z. Fadli and C. M. Karyati, “Aplikasi Pendeteksi Tanda Air pada Uang Kertas dengan Metode Segmentasi Region Based Active Contour Menggunakan Matlab,” J. Ilm. Inform. Komput. Univ. Gunadarma, vol. 21, no. 3, pp. 53–61, 2016.
R. Umar, I. Riadi, and M. Miladiah, “Sistem Identifikasi Keaslian Uang Kertas Rupiah Menggunakan Metode K-Means Clustering,” Techno.Com, vol. 17, no. 2, pp. 179–185, 2018.