Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) DOI: 10.25126/jtiik.201851046 Vol. 5, No. 6, November 2018, hlm. 667-676 p-ISSN: 2355-7699 Akreditasi KEMRISTEKDIKTI, No 51/E/KPT/2017 e-ISSN: 2528-6579 667 PENGENALAN BARANG PADA KERETA BELANJA MENGGUNAKAN METODE SCALE INVARIANT FEATURE TRANSFORM (SIFT) Ronny Makhfuddin Akbar 1 , Nani Sunarmi 2 1 Fakultas Teknik Universitas Islam Majapahit 2 Fakultas Teknik Universitas Islam Majapahit Email: 1 ronnyma.ft@unim.ac.id, 2 nani.ft@unim.ac.id (Naskah masuk: 11 September 2018, diterima untuk diterbitkan: 05 November 2018) Abstrak Menunggu dalam suatu antrian di supermarket sering terjadi dalam kehidupan sehari-hari. Antrian tersebut terjadi karena pada kasir mengharuskan setiap barang untuk dipindai satu per satu menggunakan barcode. Hal ini dapat diatasi dengan menggunakan aplikasi pengenalan atau deteksi barang berbasis pengolahan citra yang akan membantu mempercepat pada proses pemindaian barang pada kasir dengan memindai beberapa barang sekaligus pada kereta belanja dan menampilkan nama barang, harga barang, dan total belanja. Tujuan dari penelitian ini adalah menerapkan algoritma yang membantu kasir untuk mengenali barang pada kereta belanja dan menampilkan harga barang dengan hanya mengambil citra kereta belanja. Algoritma yang diusulkan untuk mendeteksi dan mengidentifikasi beberapa barang dengan pencocokan citra menggunakan Scale Invariant Feature Transform (SIFT). Dan algoritma yang digunakan untuk menyaring pencocokan citra yang salah menggunakan metode RANSAC serta untuk menghasilkan homography terbaik untuk memetakan kotak pembatas barang pada citra kereta belanja. Citra hasil menunjukkan posisi barang pada citra dengan informasi harga barang dan total belanja. Sistem ini dapat mengenali barang dalam citra kereta belanja dengan tingkat akurasi rata-rata 48.89% berdasarkan jumlah barang dan jarak pengambilan gambar. Tingkat akurasi 100% terhadap jumlah barang pada kereta belanja sebanyak 2-4 barang pada jarak dekat (30-60 cm), tingkat akurasi 46.67% dengan jumlah 5-7 barang pada jarak sedang (60-90 cm), tingkat akurasi 0% dengan jumlah 8-10 barang pada jarang jauh (lebih dari 90 cm). Sistem ini juga dapat mengenali barang tumpang tindih dengan baik pada permukaan tertutupi 20%, 40, 60%, dan 80%, serta mayoritas sistem hanya bisa mengenali barang dengan bentuk objek datar. Kata kunci: SIFT, pengenalan objek, pencocokan citra, homography RECOGNITION OF ITEM IN A SHOPPING CART USING SCALE INVARIANT FEATURE TRANSFORM (SIFT) METHOD Abstract Waiting in a queue at supermarkets often happens in everyday life. The queue occurs because the cashier requires each item to be scanned one by one using a barcode. This can be overcome by using an object recognition or detection application based on image processing that will help speed up the process of scanning item at the cashier by scanning several items at the same time on the shopping cart and display the name, price, and total amount of shopping. The purpose of this research was to apply an algorithm that helps the cashiers to recognize item on shopping carts and display the price of item by simply taking a image of a shopping cart. The algorithm proposed to detect and identify several items with image matching using Scale Invariant Feature Transform (SIFT). And the algorithm used to filter false match at image matching using RANSAC method and to produce the best homography to map the boundary box of item in the image of the shopping cart. The result image shows the position of the item in the image with information on the price of the item and total amount of shopping. This system can recognize items in the shopping cart image with an average of accuracy rate at 48.89% based on the number of items and the distance of image capture. Accuracy rate of 100% based on number of items in the shopping cart as much as 2-4 items at close distance (30-60 cm), accuracy rate of 46.67% with 5-7 items at medium distance (60-90 cm), accuracy rate of 0% with 8-10 items at far distance (more than 90 cm). This system can also recognize well on overlapping items on the surface covered 20%, 40%, 60%, and 80%, and the majority of the system can only recognize items with flat object shapes. Keywords: SIFT, object recognition, image matching, homography