Implementasi Convolutional Neural Network Untuk Mendeteksi Keaslian Uang Kertas Bagi Penderita Tunanetra Berbasis Mobile Apps

Implementation of Convolutional Neural Network For Detecting The Authenticity of Paper Money For Visulally Impaired People Based on Mobile Apps

Penderita tunanetra seringkali menghadapi kesulitan dalam menentukan keaslian uang kertas, yang merupakan keterampilan penting untuk menghindari penipuan. Oleh karena itu, penelitian ini mengusulkan penggunaan metode Convolutional Neural Network (CNN) dengan transfer learning dari arsitektur VGG-19 menjadi Mobile Apps. Aplikasi ini dibangun menggunakan Android Studio, dengan XML sebagai front-end dan Java sebagai back-end. Tujuan utama penelitian ini adalah untuk membantu penderita tunanetra dalam mendeteksi keaslian uang kertas, dengan menyediakan visualisasi hasil deteksi serta audio feedback. Model terbaik yang dihasilkan, dengan transfer learning Arsitektur VGG-19, menunjukkan akurasi 88% pada klasifikasi 4 kelas. Model ini disimpan dalam format TensorFlow Lite dan diimplementasikan pada Mobile Apps. Pengujian kinerja Mobile Apps dilakukan menggunakan metode Black-box dan uji coba real-time sebanyak 100 kali percobaan. Hasil pengujian black-box menunjukkan bahwa aplikasi deteksi uang Rupiah dengan fitur pengambilan gambar real-time dan audio feedback berjalan sesuai harapan tanpa adanya bug. Dari 100 kali percobaan, diperoleh akurasi sebesar 67,75%. Pengujian kecepatan respons menggunakan BrowserStack menunjukkan bahwa aplikasi mampu merespons dalam rentang waktu 459 ms hingga 592 ms, dengan rata-rata 458 ms, sehingga dapat dikategorikan memiliki respons yang cepat. Hasil penelitian ini menunjukkan bahwa implementasi CNN dengan model transfer learning arsitektur VGG-19 untuk mendeteksi keaslian uang nominal Rp 50.000 dan Rp 100.000 memiliki performa sistem yang baik dan dapat menjadi solusi efektif untuk membantu tunanetra dalam melakukan transaksi. Penelitian ini dapat dikembangkan lebih lanjut dengan memilih model yang lebih efektif dan menambahkan fitur bantuan lain pada aplikasi mobile pendeteksi keaslian uang kertas.

Kata Kunci: Aplikasi, CNN,  Tunanetra, Uang, VGG-19

This study proposes the use of a Convolutional Neural Network (CNN) with transfer learning from the VGG-19 architecture to develop a mobile application that assists people with visual impairments in detecting the authenticity of banknotes. The application, developed using Android Studio, provides visualization of detection results and aural feedback. The best model achieved an accuracy of 88% in classifying 4 classes and was stored in TensorFlow Lite format for implementation in the mobile app. Performance testing of the app using the black-box method and real-time testing with 100 trial runs showed that the app performed as expected without any bugs, with an accuracy of 67.75%. Speed response testing indicated that the app had a fast response time, ranging from 459 ms to 592 ms, with an average of 458 ms. The study concludes that the implementation of CNN with transfer learning is effective in detecting the authenticity of specific banknotes and can be an effective solution for visually impaired individuals in conducting transactions. Future research can focus on selecting a more effective model and adding additional features to the app for detecting the authenticity of paper money.

Keywords: Application, CNN, Money, VGG-19, Visually Impaired