Model Klasifikasi Nominal Mata Uang Kertas Republik Indonesia Menggunakan Convolutional Neural Network

Uang kertas adalah alat pembayaran umum di seluruh dunia saat ini karena digunakan dalam transaksi jual beli barang dan jasa. Nilai uang kertas Rupiah di Indonesia memiliki variasi yang mencakup ukuran, warna, dan pola yang berbeda. Identifikasi manual dapat menyebabkan kesalahan, sehingga diperlukan sistem pengenalan uang kertas yang efisien dan akurat. Permasalahan dalam mata uang terbaru menekankan pentingnya sistem pendeteksi yang selalu memperbarui data referensinya agar tetap akurat. Mata uang baru dengan desain atau fitur keamanan yang berbeda dapat menantang kemampuan sistem dalam mengenali keasliannya. Sistem harus mampu dengan cepat mengidentifikasi elemen baru dan memperbarui database referensi untuk menghindari risiko kesalahan atau penipuan. Oleh karena itu, penelitian perlu difokuskan pada pengembangan mekanisme pembaruan data secara real-time untuk menjaga responsivitas sistem terhadap perubahan mata uang. Maka dari itu, dilakukan klasifikasi nominal mata uang kertas Republik Indonesia Tahun Emisi 2022 menggunakan Convolutional Neural Network. Tahapan yang dilakukan yaitu proses akuisisi citra, preprocessing, pelatihan model, dan evaluasi. Dengan teknik pengenalan berdasarkan pola bunga yang terdapat pada uang kertas Republik Indonesia. Hasil yang peroleh yaitu akurasi sebesar 99% dengan 694 data berhasil diklasifikasi dari 700 data pengujian.
Kata Kunci: Confusion Matrix; Convolutional Neural Network; Deep Learning; Klasifikasi; Uang Kertas