Detail Cantuman

Uang sebagai alat transaksi jual beli sangat penting bagi masyarakat, namun fungsi ini menjadi terbatas bagi penyandang tunanetra. Penyandang tunanetra sering menghadapi kesulitan dalam mengidentifikasi nominal uang kertas, terutama jika kondisi uang sudah usang dan fitur blind code tidak lagi efektif. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sebuah sistem klasifikasi nilai mata uang Rupiah secara real-time untuk membantu kemandirian penyandang tunanetra. Sistem ini menggunakan teknologi kecerdasan buatan dan menggunakan perangkat seperti Jetson Nano sebagai mikrokontroler, kamera webcam sebagai input citra dan speaker sebagai output suara. Metode yang digunakan dalam penelitian ini adalah Convolutional Neural Networks (CNN) dengan empat arsitektur yang berbeda seperti ResNet-50, ResNet-101, EfficientNet-B0, dan MobileNet-V2. Dataset terdiri dari 700 gambar mata uang emisi 2022 yang dibagi menjadi 80% data latih dan 20% data uji. Hasil pengujian menunjukkan bahwa arsitektur EfficientNet-B0 memberikan kinerja terbaik dengan akurasi mencapai 95,71% pada threshold 0.5 dan 95% pada threshold 0.6, menunjukkan kemampuan yang unggul dibandingkan model lain. Pengujian confusion matrix dari 14 kelas dengan arsitektur EfficientNet-B0 juga dapat mengklasifikasi dengan nilai 100% untuk mata uang 100 ribu, 20 ribu, 10 ribu dan 2 ribu. Sistem ini terbukti efektif dan akurat untuk menjadi alat bantu bagi penyandang tunanetra secara Real-time.