KLASIFIKASI NOMINAL MATA UANG KERTAS INDONESIA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK
Teknologi kecerdasan buatan di Indonesia telah banyak diimplementasikan melalui berbagai alat dan aplikasi, termasuk teknologi computer vision. Salah satu permasalahan yang diatasi oleh teknologi ini adalah kesulitan manusia dengan gangguan penglihatan dalam mengenali nominal mata uang. Penelitian ini bertujuan menerapkan teknologi computer vision, khususnya Convolutional Neural Network (CNN), untuk klasifikasi nominal mata uang kertas Indonesia guna menentukan nilai nominalnya. Tahapan pertama penelitian ini melibatkan image preprocessing, implementasi algoritma CNN, pelatihan model, pengujian model, dan implementasi model CNN yang sudah dilatih ke dalam sebuah website menggunakan Flask. Dataset yang digunakan terdiri dari 5.600 citra uang kertas rupiah Indonesia, dengan 7 kelas yang mencakup uang seribu, uang dua ribu, uang lima ribu, uang sepuluh ribu, uang dua puluh ribu, uang lima puluh ribu, dan uang seratus ribu. Setiap kelas memiliki 800 citra uang kertas Hasil pelatihan model menunjukkan akurasi sebesar 97.24% dengan loss sebesar 0.0832%. Penelitian ini diharapkan dapat memberikan kontribusi signifikan dalam membantu individu yang mengalami gangguan penglihatan untuk mengenali nominal mata uang dengan lebih mudah. Implementasi model ke dalam website juga memberikan kemudahan akses dan penggunaan bagi masyarakat umum.
Ketersediaan
Detail Information
Judul | KLASIFIKASI NOMINAL MATA UANG KERTAS INDONESIA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK |
---|---|
Pengarang | RAHMIATUL MAWADDAH - Personal Name |
No. Panggil | SKRIPSI RAH k 2023 |
Subyek | klasifikasi Website CNN Mata Uang Rupiah |
Bahasa | Indonesia |
Tempat Terbit | Universitas Mulawarman |
Tahun Terbit | 2023 |
Penerbit | Fakultas Teknik |
Jurusan | Informatika |
Lampiran Berkas | LOADING LIST... |
DIGITAL LIBRARY