Surya, SatriaSambrama (2015) Identifikasi Nominal Pecahan Uang Kertas Rupiah Menggunakan Metode Modified K-Nearest Neighbor (MK-NN. Sarjana thesis, Universitas Brawijaya.
Abstract
Mekanisme otomasi pengenalan uang kertas telah diterapkan pada banyak negara maju. Bagi penyandang tunanetra di Indonesia blind code termasuk sulit diakses oleh tunanetra jika uang kertas tidak dalam kondisi baik Oleh karena itu perlu dikembangkan teknologi dalam identifikasi nominal uang kertas supaya dapat meminimalisir suatu kesalahan manusia serta untuk menjadi prototype sebuah teknologi untuk memudahkan identifikasi uang kertas bagi penyandang tunanetra. Dari Uang kertas dapat diambil untuk dijadikan sebuah gambar dengan scan atau foto, selanjutnya di ambil ekstraksi cirinya yaitu berupa warna dan kemudian diolah menggunakan algoritma Modified K-Nearest Neighbor (M-KNN) untuk di identifikasi. Terinspirasi algoritma KNN tradisional, gagasan utama MKNN adalah mengelompokkan sampel uji sesuai dengan tag tetangga mereka. Metode ini adalah jenis tertimbang KNN sehingga bobot ini ditentukan dengan menggunakan prosedur yang berbeda. Prosedur menghitung fraksi tetangga berlabel sama dengan jumlah total tetangga. Dari keseluruhan hasil uji coba, dapat menghasilkan akurasi maksimal 100% dengan k=1 sampai dengan k=4, akurasi minimal 76,19% dengan k=29 dan k=30 dan rata-rata akurasi 90,74% dengan k=1 sampai dengan k=30. Dengan hanya mengambil 25% bagian dari sudut kiri atas gambar uang kertas untuk dijadikan sebuah dataset
English Abstract
Automation of banknote identification mechanism has been applied in many developed countries. For blind people in Indonesia blind code is difficult to access by the visually impaired if the banknotes are not in good condition. Therefore, it is necessary to develop the technology in nominal identification of banknotes in order to minimize human error and become a prototype of a technology to facilitate the identification of banknotes for blind people. Of banknotes can be taken to be an image with a scan or photograph, taken subsequent extraction of the characteristics in the form of color and then processed using an algorithm Modified K-Nearest Neighbor (M-KNN) for identification. Inspired the traditional KNN algorithm, the main idea is classifying the test samples according to their neighbor tags. This method is a kind of weighted KNN so that these weights are determined using a different procedure. The procedure computes the fraction of the same labeled neighbors to the total number of neighbors. The trial results, can produce a maximum accuracy of 100% with k = 1 to k = 4, minimum accuracy of 76.19% with k = 29 and k = 30 and average accuracy of 90.74% with k = 1 to k = 30. By only taking 25% portion of the upper left corner of the image of banknotes to be a dataset.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2015/31/051500779 |
| Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 06 Feb 2015 10:04 |
| Last Modified: | 20 Oct 2021 16:18 |
| URI: | http://repository.ub.ac.id/id/eprint/146364 |
Preview |
Text
Bab_IV.pdf Download (2MB) | Preview |
Preview |
Text
Bab_V.pdf Download (2MB) | Preview |
Preview |
Text
Cover.pdf Download (1MB) | Preview |
Preview |
Text
Bab_VI.pdf Download (1MB) | Preview |
Preview |
Text
DAFTAR_PUSTAKA.pdf Download (1MB) | Preview |
Preview |
Text
BAB_I.pdf Download (1MB) | Preview |
Preview |
Text
BAB_II.pdf Download (2MB) | Preview |
Preview |
Text
BAB_III.pdf Download (2MB) | Preview |
Preview |
Text
Lampiran.pdf Download (2MB) | Preview |
Actions (login required)
 |
View Item |