KLASIFIKASI PENGENALAN NOMINAL MATA UANG MENGGUNAKAN ALGORITMA CNN

Atmajaya, Teja (2024) KLASIFIKASI PENGENALAN NOMINAL MATA UANG MENGGUNAKAN ALGORITMA CNN. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

[img] Text (COVER-ABSTRAK)
COVER.pdf

Download (932kB)
[img] Text (BAB I)
BAB I.pdf

Download (212kB)
[img] Text (BAB II)
BAB II.pdf
Restricted to Registered users only

Download (798kB)
[img] Text (BAB III)
BAB III.pdf
Restricted to Registered users only

Download (217kB)
[img] Text (BAB IV)
BAB IV.pdf
Restricted to Registered users only

Download (310kB)
[img] Text (BAB V)
BAB V.pdf

Download (83kB)
[img] Text (DAFTAR PUSTAKA-LAMPIRAN)
Daftar Pustaka dan Lampiran.pdf
Restricted to Registered users only

Download (182kB)
[img] Archive (SOURCE CODE)
Sourcecode - 20.11.3519.zip
Restricted to Repository staff only

Download (64kB)
[img] Text (PUBLIKASI)
Publikasi.pdf
Restricted to Repository staff only

Download (630kB)

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi pengenalan nominal mata uang Rupiah bagi penyandang tunanetra menggunakan algoritma Convolutional Neural Network (CNN). Objek penelitian yang digunakan adalah uang Rupiah emisi tahun 2022, dengan dataset yang diperoleh dari Kaggle. Sistem ini diharapkan dapat membantu penyandang tunanetra dalam mengenali dan membedakan nilai nominal uang kertas dengan lebih mudah dan akurat, melalui penggunaan teknologi deteksi objek berbasis citra. Proses pelatihan model dilakukan menggunakan platform komputasi Google Colab untuk memanfaatkan sumber daya cloud computing, sedangkan library Streamlit digunakan untuk melakukan deployment model AI sehingga dapat diakses secara interaktif oleh pengguna. Model dilatih dengan epoch yang berbeda, yaitu 25, 50, 80, dan 100 epoch. Model terpilih yaitu epoch 80 dengan batch size sebesar 32, menghasilkan akurasi akhir sebesar 90% dan nilai loss sebesar 0.4. Hasil penelitian ini menunjukkan bahwa algoritma CNN cukup efektif dalam mengklasifikasikan nilai nominal uang rupiah, meskipun masih terdapat beberapa kendala seperti kesalahan klasifikasi pada beberapa gambar mata uang, dan terdapat indikasi class imbalance. Penelitian ini memberikan kontribusi penting dalam pengembangan teknologi aksesibilitas bagi penyandang tunanetra, khususnya dalam konteks pengenalan mata uang. Namun, diperlukan pengembangan lebih lanjut untuk meningkatkan akurasi dan mengurangi kesalahan klasifikasi agar sistem ini dapat diimplementasikan secara luas.

Item Type: Thesis (S1 - Sarjana)
Contributor:
Pembimbing
Sasongko, Theopilus Bayu
Uncontrolled Keywords: Convolutional Neural Network (CNN), Pengenalan Mata Uang, Tunanetra, Klasifikasi Citra, Aksesibilitas
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer
000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data
Divisions: Fakultas Ilmu Komputer > Informatika
Depositing User: RC Universitas AMIKOM Yogyakarta
Date Deposited: 05 Dec 2024 01:25
Last Modified: 05 Dec 2024 01:25
URI: http://eprints.amikom.ac.id/id/eprint/28632

Actions (login required)

View Item View Item