Model Klasifikasi Nominal Mata Uang Kertas Republik Indonesia Menggunakan Convolutional Neural Network
-
Arbi Niandi Saputra
*
Universitas Buana Perjuangan Karawang, Karawang,
Indonesia
- Hanny Hikmayanti Handayani Universitas Buana Perjuangan Karawang, Karawang, Indonesia
- Cici Emilia Sukmawati Universitas Buana Perjuangan Karawang, Karawang, Indonesia
- Amril Mutoi Siregar Universitas Buana Perjuangan Karawang, Karawang, Indonesia (*) Corresponding Author
Abstract
Uang kertas adalah alat pembayaran umum di seluruh dunia saat ini karena digunakan dalam transaksi jual beli barang dan jasa. Nilai uang kertas Rupiah di Indonesia memiliki variasi yang mencakup ukuran, warna, dan pola yang berbeda. Identifikasi manual dapat menyebabkan kesalahan, sehingga diperlukan sistem pengenalan uang kertas yang efisien dan akurat. Permasalahan dalam mata uang terbaru menekankan pentingnya sistem pendeteksi yang selalu memperbarui data referensinya agar tetap akurat. Mata uang baru dengan desain atau fitur keamanan yang berbeda dapat menantang kemampuan sistem dalam mengenali keasliannya. Sistem harus mampu dengan cepat mengidentifikasi elemen baru dan memperbarui database referensi untuk menghindari risiko kesalahan atau penipuan. Oleh karena itu, penelitian perlu difokuskan pada pengembangan mekanisme pembaruan data secara real-time untuk menjaga responsivitas sistem terhadap perubahan mata uang. Maka dari itu, dilakukan klasifikasi nominal mata uang kertas Republik Indonesia Tahun Emisi 2022 menggunakan Convolutional Neural Network. Tahapan yang dilakukan yaitu proses akuisisi citra, preprocessing, pelatihan model, dan evaluasi. Dengan teknik pengenalan berdasarkan pola bunga yang terdapat pada uang kertas Republik Indonesia. Hasil yang peroleh yaitu akurasi sebesar 99% dengan 694 data berhasil diklasifikasi dari 700 data pengujian.
Downloads
References
M. Albani and R. R. Andhi, “Klasifikasi Uang Rupiah Kertas Tidak Layak Edar Menggunakan CNN Xception Transfer Learning Berbasis Website,” JURNAL INOVTEK POLBENG - SERI INFORMATIKA, vol. 8, no. 2, 2023, doi: https://doi.org/10.35314/isi.v8i2.3657.
T. Hadi, N. Suarna, A. I. Purnamasari, O. Nurdiawan, and S. Anwar, “Game Edukasi Mengenal Mata Uang Indonesia ‘Rupiah’ Untuk Pengetahuan Dasar Anak-Anak Berbasis Android,” Jurnal Riset Komputer), vol. 8, no. 3, pp. 2407–389, 2021, doi: 10.30865/jurikom.v8i3.3609.
A. D. K. Zulfiansyah, H. Kusuma, and M. Attamimi, “Rancang Bangun Sistem Pendeteksi Keaslian Uang,” JURNAL TEKNIK ITS, vol. 12, no. 2, 2023, doi: http://dx.doi.org/10.12962/j23373539.v12i2.118320.
S. Megawati and A. Lawi, “Pengembangan Sistem Teknologi Internet of Things Yang Perlu Dikembangkan Negara Indonesia,” Journal Information Engineering and Educational Technology, vol. 5, no. 1, Jun. 2021, doi: https://doi.org/10.26740/jieet.v5n1.p19-26.
R. R. C. Putra, T. Sugihartono, and F. Panca Juniawan, “Aplikasi Augmented Reality Media Pembelajaran Pengenalan Gambar Tokoh Pahlawan Nasional Pada Uang Kertas Berbasis Android,” Jurnal Sisfokom (Sistem Informasi dan Komputer), vol. 10, no. 3, pp. 405–412, Dec. 2021, doi: 10.32736/sisfokom.v10i3.1285.
A. Muhammad Nur Hidayat, Antamil, and I. M. Zakiyah, “Identifikasi Nominal Mata Uang Rupiah Bagi Penyandang Tunanetra Dengan Algoritma Convolutional Neural Network Berbasis Android,” JOURNAL SHIFT, vol. 3, 2023, doi: https://doi.org/10.24252/shift.v3i2.102.
R. S. I. Sihombing, W. A. Harahap, and W. K. Rahman, “Implementasi YOLO v8 untuk Mendeteksi Mata Uang Rupiah Emisi Tahun 2022 Ber-output Audio,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 8, no. 4, Aug. 2024, doi: https://doi.org/10.36040/jati.v8i4.10099.
A. R. Pratama, M. Mustajib, and A. Nugroho, “Deteksi Citra Uang Kertas dengan Fitur RGB Menggunakan K-Nearest Neighbor,” Jurnal Eksplora Informatika, vol. 9, no. 2, pp. 163–172, Mar. 2020, doi: 10.30864/eksplora.v9i2.336.
A. Bhatia, V. Kedia, A. Shroff, M. Kumar, B. K. Shah, and Aryan, “Fake currency detection with machine learning algorithm and image processing,” in Proceedings - 5th International Conference on Intelligent Computing and Control Systems, ICICCS 2021, Institute of Electrical and Electronics Engineers Inc., May 2021, pp. 755–760. doi: 10.1109/ICICCS51141.2021.9432274.
Al-Khowarizmi, “Model Classification of Nominal Value and The Original of IDR Money By Applying Evolutionary Neural Network,” JITE (Journal of Informatics and Telecommunication Engineering) , vol. 3, no. 2, p. 2020, 2020, doi: 10.31289/jite.v3i2.2384.
C. Suardi, D. Sundoro, K. Syariati, and R. L. Lordianto, “Bank Note Value Checker Based on Image Recognition,” JTech, vol. 11, no. 1, pp. 24–29, 2023, doi: 10.30869/jtech.v6i2.1161.
D. A. S, F. N. A, M. R. D, M. Hilal, M. A. N. N, and F. T. Anggraeny, “Perbandingan Kombinasi Metode Template Matching dan Algoritma Feature Matching pada Pengenalan Mata Uang India,” Jurnal Teknologi Informasi dan Komunikasi, vol. 16, no. 3, 2021, doi: https://doi.org/10.33005/scan.v16i3.2636.
W. Hamidah, N. A. P. Hasbullah, T. S. B. Irawan, and A. B. Kaswar, “Deteksi Nominal Uang Kertas Menggunakan OCR (Optical Character Recognition),” Techno Xplore Jurnal Ilmu Komputer dan Teknologi Informasi, vol. 7, no. 2, 2022, doi: https://doi.org/10.36805/technoxplore.v7i2.2123.
R. Sukmawardani, L. Nurpulaela, and R. Rahmadewi, “Implementasi Arsitektur ResNet152 untuk Klasifikasi Uang Kertas Rupiah dengan Metode Transfer Learning,” Jurnal Mahasiswa Teknik Informatika, vol. 8, no. 4, Aug. 2024, doi: https://doi.org/10.36040/jati.v8i4.10001.
A. Rilo Pambudi, Garno, and Purwantoro, “Deteksi Keaslian Uang Kertas Berdasarkan Watermark dengan Pengolahan Citra Digital,” JIP (Jurnal Informatika Polinema), vol. 6, no. 4, 2020, doi: https://doi.org/10.33795/jip.v6i4.407.
Miladiah, R. Umar, and I. Riadi, “Implementasi Local Binary Pattern untuk Deteksi Keaslian Mata Uang Rupiah,” Jurnal Edukasi dan Penelitian Informatika, vol. 5, no. 2, 2019.
L. Kurniawati, S. K. Risandriya, and H. Wijanarko, “Pendeteksi Nominal Uang Kertas bagi Penyandang Tunanetra Menggunakan Neural Network,” JOURNAL OF APPLIED ELECTRICAL ENGINEERING, vol. 3, no. 2, 2019, doi: https://doi.org/10.30871/jaee.v3i2.1821.
M. Malik Ibrahim, R. Rahmadewi, and L. Nurpulaela, “Pendeteksian Nominal Uang pada Gambar Menggunakan Convolutional Neural Network: Integrasi Metode Pra-pemrosesan Citra dan Klasifikasi Berbasis CNN,” Jurnal Mahasiswa Teknik Informatika, vol. 7, no. 2, 2023, doi: https://doi.org/10.36040/jati.v7i2.6863.
W. Mellyssa, “Pengenalan Nominal Uang Kertas Menggunakan Jaringan Syaraf Tiruan Backpropagation,” JURNAL LITEK : Jurnal Listrik Telekomunikasi Elektronika, vol. 16, no. 1, pp. 1–6, 2019, doi: http://dx.doi.org/10.30811/litek.v16i1.1463.
A. Kirana, H. H, Hikmayanti, and J. Indra, “Pengenalan Pola Aksara Sunda dengan Metode Convolutional Neural Network,” Scientific Student Journal for Information, Technology and Science, vol. 1, no. 2, 2020.
Bila bermanfaat silahkan share artikel ini
Berikan Komentar Anda terhadap artikel Model Klasifikasi Nominal Mata Uang Kertas Republik Indonesia Menggunakan Convolutional Neural Network
Pages: 176-184
Copyright (c) 2024 Arbi Niandi Saputra, Hanny Hikmayanti Handayani, Cici Emilia Sukmawati, Amril Mutoi Siregar
This work is licensed under a Creative Commons Attribution 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under Creative Commons Attribution 4.0 International License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (Refer to The Effect of Open Access).
