IMPLEMENTASI MACHINE LEARNING DENGAN MOBILENET UNTUK KLASIFIKASI UANG KERTAS RUPIAH PADA PENDERITA TUNANETRA MENGGUNAKAN ESP-32 CAM

Fadhila, Dava Aldi (2025) IMPLEMENTASI MACHINE LEARNING DENGAN MOBILENET UNTUK KLASIFIKASI UANG KERTAS RUPIAH PADA PENDERITA TUNANETRA MENGGUNAKAN ESP-32 CAM. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

[img] Text (COVER-ABSTRAK)
COVER.pdf
Download (729kB)
[img] Text (BAB I)
BAB I.pdf
Download (176kB)
[img] Text (BAB II)
BAB II.pdf
Restricted to Registered users only
Download (912kB)
[img] Text (BAB III)
BAB III.pdf
Restricted to Registered users only
Download (538kB)
[img] Text (BAB IV)
BAB IV.pdf
Restricted to Registered users only
Download (791kB)
[img] Text (BAB V)
BAB V.pdf
Download (91kB)
[img] Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (114kB)
[img] Archive (SOURCE CODE)
Sourcecode - 21.83.0692.zip
Restricted to Repository staff only
Download (3MB)
[img] Text (PUBLIKASI)
Publikasi.pdf
Restricted to Repository staff only
Download (651kB)

Abstract

Keterbatasan individu tunanetra dalam mengenali nominal uang kertas rupiah secara mandiri menjadi masalah utama yang diangkat dalam penelitian ini, mengingat belum tersedianya alat bantu yang portabel, terjangkau, dan mudah digunakan. Dampak dari permasalahan ini adalah berkurangnya aksesibilitas keuangan dan kemandirian bagi penyandang tunanetra. Untuk mengatasi masalah tersebut, penelitian ini menggunakan metode Research and Development (R&D) untuk mengembangkan sebuah sistem klasifikasi uang kertas yang terintegrasi pada perangkat embedded. Proses pengembangan meliputi beberapa tahapan, yaitu identifikasi masalah, studi literatur, perancangan sistem, pembuatan prototipe, dan pengujian. Sistem ini dibangun menggunakan mikrokontroler ESP32-CAM yang diintegrasikan dengan model machine learning arsitektur MobileNet yang dilatih menggunakan platform Edge Impulse untuk mengklasifikasikan tujuh pecahan uang kertas rupiah (Rp1.000, Rp2.000, Rp5.000, Rp10.000, Rp20.000, Rp50.000, dan Rp100.000). Hasil penelitian menunjukkan bahwa prototipe alat berhasil dikembangkan dan dapat berfungsi secara offline dan real-time. Berdasarkan pengujian, sistem mampu bekerja stabil dan memberikan output suara melalui buzzer sebagai respons hasil klasifikasi. Uji akurasi menunjukkan performa yang sangat baik, dengan rata-rata akurasi mencapai 95% untuk uang dalam kondisi baik dan 90,71% untuk uang dalam kondisi kurang baik. Waktu deteksi total yang dibutuhkan sistem berkisar antara 4 hingga 7 detik, yang cukup responsif untuk penggunaan sehari-hari. Hasil penelitian ini dapat dimanfaatkan oleh penyandang tunanetra sebagai alat bantu untuk meningkatkan kemandirian dalam transaksi keuangan. Penelitian selanjutnya dapat difokuskan pada pengembangan sistem dengan output suara yang lebih informatif seperti Text-to-Speech (TTS) dan menggunakan platform yang lebih kuat seperti Raspberry Pi untuk meningkatkan kompleksitas model dan akurasi.

Item Type: Thesis (S1 - Sarjana)
Contributor:
Pembimbing
Syafrizal, Melwin
Uncontrolled Keywords: Klasifikasi Uang, ESP32-CAM, Machine Learning, MobileNet
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data
000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 006 Metode komputer khusus
Divisions: Fakultas Ilmu Komputer > Teknik Komputer
Depositing User: RC Universitas AMIKOM Yogyakarta
Date Deposited: 16 Sep 2025 04:02
Last Modified: 16 Sep 2025 04:02
URI: http://eprints.amikom.ac.id/id/eprint/30688

Actions (login required)

View Item View Item