Rancang bangun aplikasi pencatatan keuangan pribadi berbasis mobile menggunakan metode Automated Recipt Recognition

Miftah Fauzi, Agni (2026) Rancang bangun aplikasi pencatatan keuangan pribadi berbasis mobile menggunakan metode Automated Recipt Recognition. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_cover.pdf Download (52kB) | Preview
Preview	Text (ABSTRAK) 3_abstrak.pdf Download (159kB) | Preview
Preview	Text (SURAT PERNYATAAN KARYA SENDIRI) 2_plagiarisem.pdf Download (2MB) | Preview
Preview	Text (DAFTAR ISI) 4_daftarisi.pdf Download (211kB) | Preview
Preview	Text (BAB I) 5_bab1.pdf Download (186kB) | Preview
	Text (BAB II) 6_bab2.pdf Restricted to Registered users only Download (448kB)
	Text (BAB III) 7_bab3.pdf Restricted to Registered users only Download (87kB)
	Text (BAB IV) 8_bab4.pdf Restricted to Registered users only Download (1MB)
	Text (BAB V) 9_bab5.pdf Restricted to Registered users only Download (2MB)
	Text (BAB VI) 10_bab6.pdf Restricted to Registered users only Download (94kB)
	Text (DAFTAR PUSTAKA) 11_daftarpustaka.pdf Restricted to Registered users only Download (171kB)

Abstract

Personal finance tracker diperlukan untuk mengatasi praktik pencatatan keuangan pribadi yang masih banyak dilakukan secara manual sehingga rentan tidak konsisten, rawan kesalahan input, dan sulit dianalisis. Penelitian ini berasumsi bahwa kombinasi deteksi objek dan OCR pada struk belanja dapat mengurangi beban input sekaligus meningkatkan ketertiban pencatatan transaksi. Tujuan penelitian adalah merancang dan membangun aplikasi pencatatan keuangan pribadi berbasis mobile yang mendukung pencatatan manual dan otomatis melalui pemindaian struk, serta mengevaluasi kinerja model deteksi dan sistem OCR end‑to‑end pada skenario penggunaan nyata. Metode yang digunakan meliputi pengumpulan dan anotasi dataset struk ke dalam empat kelas region (struk_belanja, info_toko, item_belanja, total), pelatihan model YOLOv8 sebagai pendeteksi region, integrasi dengan EasyOCR pada backend FastAPI, serta pengembangan antarmuka Flutter dengan penyimpanan lokal SQLite dan prinsip offline‑first. Hasil evaluasi menunjukkan precision 87,91%, recall 83,81%, mAP50 87,21%, dan mAP50–95 61,96%, dengan mAP50 per‑kelas di atas 81%. Pengujian akurasi sistem OCR end‑to‑end pada 15 struk aktual menghasilkan skor 130 dari maksimum 150 poin (±86,67%) dengan jarak pemotretan optimal 9–18 cm, sedangkan pengujian usability menggunakan System Usability Scale (SUS) terhadap 20 responden menghasilkan skor rata‑rata 84,25 (kategori Excellent). Temuan ini menunjukkan bahwa aplikasi Caku Finance mampu mendukung pencatatan keuangan pribadi secara lebih cepat, terstruktur, dan mudah digunakan, meskipun akurasi pada kondisi struk tertentu masih perlu ditingkatkan.

Actions (login required)

View Item