Identifikasi Keaslian Uang Kertas Menggunakan Metode K-Means Clustering

Kasus peredaran uang palsu merupakan masalah yang cukup serius bagi suatu negara. Penelitian ini bertujuan mengembangkan sistem identifikasi keaslian uang kertas Rupiah menggunakan K-Means Clustering yang diintegrasikan dengan teknik pengolahan citra digital dengan memanfaatkan 2 fitur visual utama yaitu Local Binary Pattern (LBP) dan Laplacian of Gaussian (LoG) sebagai parameter analisis. Metode yang digunakan yaitu algoritma K-Means Clustering yang dipilih karena efisien dalam mengelompokkan data citra berdasarkan pola tekstur dan tepi. Sistem ditargetkan mencapai akurasi 80%, namun hasil pengujian menunjukkan performa dibawah target. Berdasarkan hipotesa hasil penelitian pada sistem identifikasi keaslian uang kertas menggunakan K-Means Clustering dengan menggabungkan kedua fitur yang terintegrasi dengan teknik pengolahan citra digital, dapat ditarik kesimpulan sebagai berikut: Sistem yang dikembangkan belum berhasil mencapai target akurasi 80% yang ditetapkan dalam tujuan penelitian. Akurasi tertinggi yang diperoleh adalah 70.00% pada pengujian citra keseluruhan. Sedangkan akurasi terendah adalah 53.33% pada pengujian citra ROI. Penggabungan dua fitur visual utama Local Binary Pattern (LBP) dan Laplacian of Gaussian (LoG) menunjukkan karakteristik yang berbeda untuk uang asli dan palsu. Uang asli cenderung memiliki nilai Mean LBP sekitar 0.65 yang menunjukkan konsistensi teksutr, sedangkan uang palsu menunjukkan Edge Density yang relatif tinggi dibanding uang asli, mengindikasikan variasi tepi yang lebih besar. Algoritma K-Means Clustering dapat membedakan uang asli dan palsu berdasarkan kombinasi fitur yang diesktraksi, namun tingkat akurasi yang dihasilkan masih dibawah ekspetasi. Pengujian pada citra keseluruhan memberikan hasil yang lebih baik dibandingkan ROI, sehingga pemilihan area analisis memengaruhi performa sistem.