Rancang bangun aplikasi pendeteksi nominal uang kertas rupiah menggunakan Flutter dengan Arsitektur Mobilenetv2 untuk tunanetra

Widodo, Fanny Zahrah Ramadhan (2023) Rancang bangun aplikasi pendeteksi nominal uang kertas rupiah menggunakan Flutter dengan Arsitektur Mobilenetv2 untuk tunanetra. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1. COVER.pdf Download (146kB) | Preview
Preview	Text (ABSTRAK) 2_ABSTRAK.pdf Download (36kB) | Preview
Preview	Text (DAFTAR ISI) 3_daftarisi.pdf Download (142kB) | Preview
Preview	Text (BAB I) 4_bab1.pdf Download (238kB) | Preview
	Text (BAB II) 5_bab2.pdf Restricted to Registered users only Download (378kB) | Request a copy
	Text (BAB III) 6_bab3.pdf Restricted to Registered users only Download (144kB) | Request a copy
	Text (BAB IV) 7_bab4.pdf Restricted to Registered users only Download (603kB) | Request a copy
	Text (BAB V) 8_bab5.pdf Restricted to Registered users only Download (546kB) | Request a copy
Preview	Text (DAFTAR PUSTAKA) 9_daftarpustaka.pdf Download (113kB) | Preview

Abstract

Berdasarkan data Kementerian Kesehatan RI tahun 2022, jumlah penyandang disabilitas tunanetra di Indonesia adalah 1,5% kurang lebih 4 juta jiwa. Terdapat masalah yang dihadapi oleh para penyandang tunanetra dalam kehidupan sehari-hari salah satunya dalam aktivitas transaksi jual beli, khususnya pada alat tukar rupiah dimana teknologi emboss pada mata uang tersebut dirasa tidak sepenuhnya membantu, karena aktual dilapangan banyak sekali mata uang dan bagian emboss yang sudah mengalami kerusakan dan sulit untuk diidentifikasi oleh para penyandang tunanetra. Adapun akibat dari permasalahan tersebut adalah terhambatnya proses transaksi jual beli yang dilakukan oleh tunanetra atau kasus penipuan terhadap nominal uang yang ditransaksikan. Dengan latar belakang masalah tersebut penulis memberikan solusi dengan membuat penelitian alat bantu identifikasi mata uang yaitu sebuah aplikasi pendeteksi nominal uang kertas rupiah menggunakan Flutter dengan arsitektur MobileNetV2, dibuat menggunakan model tflite yang berfungsi untuk memungkinkan mesin untuk dapat belajar dengan perangkat berjaringan kecil, pada model ini menggunakan tensorflow sebagai library untuk melatih dan menjalankan data training. Pada tahap pengujian aplikasi ini menggunakan variasi dataset, Learning Rate, epoch dan confusion matriks, berdasarkan pengujian variasi dataset perbandingan data training dan testing adalah 80% : 20% variasi ini memiliki akurasi dan validasi yang cukup tinggi dibandingkan dengan variasi dataset lainnya. Akurasi dan validasi yang diperoleh pada dataset ini sebesar 93.53% dan 96.16%. Berdasarkan pengujian variasi Learning Rate pengujian ini menggunakan nilai Learning Rate sebesar 0.01 dengan akurasi 95.82% dan 96.70%, selanjutnya berdasarkan pengujian dengan variasi epoch didapati nilai epoch 50 memiliki nilai akurasi yang lebih baik dari jumlah epoch lainnya yaitu 95.92% dan 96,70%. Pengujian selanjutnya adalah data pengujian untuk model yang menggunakan layer 0.5 dimana untuk model yang menggunakan layer dropout 0.5 ini memiliki performa yang baik atau dalam keadaan good fitting dengan akurasi 96.92% dan 97.74%. dan terahir pengujian menggunakan Confusion Matriks didapati hasil akurasi yang diperoleh adalah 87%, dengan nilai metode macro average precision, recall 88% dan nilai F1-Score 87%. Sedangkan berdasarkan weighted average diperoleh nilai precision sebesar 88%, recall 87% dan F1- Score 87%. Sehingga secara keseluruhan, hasil pengujian ini menunjukkan bahwa model ini memiliki kinerja yang memiliki nilai akurasi yang cukup tinggi.

Actions (login required)

View Item