APLIKASI PENDETEKSI NOMINAL UANG RUPIAH MENGGUNAKAN METODE TRANSFER LEARNING BERBASIS ANDROID

Langitan, Jason K. W. G. and Paseru, Debby and Pandelaki, Steven (2023) APLIKASI PENDETEKSI NOMINAL UANG RUPIAH MENGGUNAKAN METODE TRANSFER LEARNING BERBASIS ANDROID. Skripsi thesis, UNIVERSITAS KATOLIK DE LA SALLE MANADO.

	PDF COVER-LEMBAR_PENGESAHAN_JasonLangitan.pdf Download (425kB)
	PDF ABSTRAK_JasonLangitan.pdf Download (12kB)
	PDF KATA_PENGANTAR-DAFTAR_ISI_JasonLangitan.pdf Download (155kB)
	PDF BAB_I_JasonLangitan.pdf Download (37kB)
	PDF BAB_II-LAMPIRAN_JasonLangitan.pdf Restricted to Repository staff only Download (3MB)

Official URL: https://digilib.unikadelasalle.ac.id/

Abstract

Pada zaman ini, transaksi telah menjadi salah satu kegiatan yang sering dilakukan setiap hari. Transaksi merupakan kegiatan menukarkan barang untuk barang lainnya atau jasa, yang di Indonesia menggunakan mata uang rupiah. Mata uang rupiah terbagi atas beberapa lembar pecahan. Pertambahan usia pada manusia dapat mempengaruhi fungsi pada tubuh, salah satunya pada penglihatan. Gangguan penglihatan yang berkurang, menyebabkan sebagian besar orang lanjut usia harus menggunakan alat bantu, yaitu kacamata. Akibatnya masalah ini juga dapat berdampak pada kegiatan sehari-hari termasuk mengenali mata uang yang digunakan.
Pemanfaatan teknologi dapat membantu masalah ini, yaitu dengan menggunakan perangkat smartphone berbasis Android dengan menggunakan teknik pengolahan citra digital. Pengolahan Citra ini akan nantinya akan menghasilkan informasi berupa suara, berapa nominal uang yang telah diproses.
Aplikasi dibuat dengan metodologi penelitian Waterfall dengan memanfaatkan teknologi Machine Learning dan menggunakan algoritma Convolutional Neural Network. Teknologi Transfer Learning digunakan untuk meningkatkan akurasi pelatihan dataset. Model yang sudah dilatih kemudian diintegrasikan ke dalam aplikasi Android dengan bantuan teknologi TensorFlow Lite untuk konversi model.
Aplikasi berhasil diintegrasikan dengan model yang sudah dilatih menjadi aplikasi Android dan berdasarkan hasil pengujian, aplikasi ini memiliki akurasi yang bervariasi untuk beberapa nominal uang rupiah pada dua perangkat yang berbeda. Persentase akurasi pada perangkat Redmi Note 11 untuk tiap nominal adalah 50% (Rp2.000), 33% (Rp5.000), dan 50% (Rp20.000) sedangkan pada perangkat Redmi Note 5 untuk tiap nominal adalah 50% (Rp2.000), 44% (Rp5.000), dan 33% (Rp20.000).

Kata Kunci: Pendeteksi Nominal Uang Rupiah, Machine Learning, Convolutional Neural Network, Transfer Learning, TensorFlow Lite.

Item Type:

Thesis (Skripsi)

Creators: