Evaluasi Algoritma Convolutional Neural Network Terhadap Nominal Mata Uang Kertas Republik Indonesia Edisi 2022 Dengan Metode Arsitektur Resnet

Pengenalan nilai nominal uang kertas rupiah merupakan tantangan penting dalam bidang visi komputer, khususnya untuk membantu proses klasifikasi secara otomatis. Penelitian ini bertujuan mengklasifikasikan pecahan uang kertas Republik Indonesia tahun emisi 2022 menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur ResNet50 sebagai basisnya. Proses penelitian mencakup tahapan akuisisi citra, preprocessing dan augmentasi data menggunakan Roboflow, pelatihan model, pengujian, serta evaluasi performa model. Dataset terdiri dari 1.890 citra yang mencakup tujuh pecahan uang kertas, diperoleh menggunakan kamera smartphone. Model CNN dan ResNet50 dilatih dan diuji untuk mengenali perbedaan visual antar nominal, termasuk variasi pencahayaan, orientasi, dan latar belakang. Hasil menunjukkan bahwa penerapan algoritma CNN tanpa arsitektur ResNet50 memiliki tingkat akurasi yang tinggi mencapai 99%, sedangkan menggunakan ResNet50 diperoleh sebesar 96%. Hal ini menunjukkan bahwa model tanpa arsitektur ResNet50 lebih baik dalam mempelajari data yang diberikan.

Kata Kunci: CNN, ResNet50, Uang