Implementasi YOLOv8 Sebagai Pendeteksi Nominal Uang Rupiah Kertas Berbasis Android
DOI:
https://doi.org/10.32664/smatika.v15i02.1545Kata Kunci:
Android, Rupiah, YOLOv8Abstrak
Jumlah penyandang disabilitas tunanetra di Indonesia mencapai 1,5% atau sekitar 4 juta jiwa, yang sering menghadapi kesulitan dalam mengenali nominal uang rupiah kertas. Meskipun Bank Indonesia telah menambahkan ciri khas pada uang kertas, metode ini kurang efektif akibat keterbatasan pemahaman atau kondisi fisik uang. Teknologi pendeteksi objek, seperti YOLOv8, menawarkan solusi berkat keunggulannya dalam akurasi dan kecepatan. Penelitian ini menggunakan pendekatan CRISP-DM yang meliputi enam tahap, yaitu business understanding untuk memahami kebutuhan penyandang tunanetra, data understanding untuk mempelajari karakteristik dataset uang rupiah emisi 2022, data preparation untuk mempersiapkan 5435 gambar dari 8 nominal uang (1000, 2000, 5000, 10000, 20000, 50000, 75000, dan 100000), modeling dengan melatih model YOLOv8n, evaluation untuk menilai performa model menggunakan confusion matrix, serta deployment pada aplikasi Android yang mampu mendeteksi nominal uang secara realtime melalui kamera. Hasil evaluasi menunjukkan nilai accuracy sebesar 0.98, precision sebesar 0.988, recall sebesar 0.993, serta nilai rata-rata sebesar 0.994 pada mAP50 dan 0.955 pada mAP50-95, menunjukkan model ini cukup efektif dalam membantu tunanetra mengenali nominal uang rupiah kertas.
Referensi
[1] A. M. Ramli and S. Gatra, “Fasilitas Akses Penyandang Tuna Netra atas Objek Hak Cipta Berdasar Marrakesh Treaty,” Kompas. Accessed: May 22, 2023. [Online]. Available: https://nasional.kompas.com/read/2023/01/15/16070311/fasilitas-akses-penyandang-tunanetra-atas-objek-hak-cipta-berdasar?page=all
[2] A. Hermawan, L. Lianata, Junaedi, and A. R. K. Maranto, “Implementasi Machine Learning Sebagai Pengenal Nominal Uang Rupiah dengan Metode YOLOv3,” SATIN - Sains dan Teknologi Informasi, vol. 8, no. 1, pp. 12–22, Jun. 2022, doi: 10.33372/stn.v8i1.816.
[3] A. P. Anto, Z. Abidin, and A. B. Utomo, “Identifikasi Nominal Uang Kertas Untuk Tuna Netra Berbasis Mikrokontroller Dengan Sistem Suara,” JEECOM: Journal of Electrical Engineering and Computer, vol. 2, no. 2, pp. 1–6, Oct. 2020, doi: 10.33650/jeecom.v2i2.1303.
[4] A. Fachri, “Teori Uang Dalam Perspektif Abu Hamid Al-Ghazali dan Jhon Maynard Keynes serta Relevansinya terhadap Sistem Keuangan di Indonesia,” UIN Raden Intan Lampung, 2017.
[5] L. Kurniawati, S. K. Risandriya, and H. Wijanarko, “Pendeteksi Nominal Uang Kertas bagi Penyandang Tunanetra Menggunakan Neural Network,” Journal of Applied Electrical Engineering, vol. 3, no. 2, pp. 39–43, Dec. 2019, doi: 10.30871/jaee.v3i2.1821.
[6] O. Simeone, “A Brief Introduction to Machine Learning for Engineers,” Foundations and Trends® in Signal Processing, vol. 12, no. 3–4, pp. 200–431, 2018, doi: 10.1561/2000000102.
[7] C.-Y. Wang, A. Bochkovskiy, and H.-Y. M. Liao, “YOLOv7: Trainable Bag-of-Freebies Sets New State-of-the-Art for Real-Time Object Detectors,” in 2023 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), IEEE, Jun. 2023, pp. 7464–7475. doi: 10.1109/CVPR52729.2023.00721.
[8] Ultralytics, “Ultralytics - YOLOv8,” Github, Accessed: Oct. 30, 2024. [Online]. Available: https://github.com/ultralytics/ultralytics
[9] B. Selcuk and T. Serif, “A Comparison of YOLOv5 and YOLOv8 in the Context of Mobile UI Detection,” 2023, pp. 161–174. doi: 10.1007/978-3-031-39764-6_11.
[10] Z. S. Jannah and F. A. Sutanto, “Implementasi Algoritma YOLO (You Only Look Once) Untuk Deteksi Rias Adat Nusantara,” Jurnal Ilmiah Universitas Batanghari Jambi, vol. 22, no. 3, p. 1490, Oct. 2022, doi: 10.33087/jiubj.v22i3.2421.
[11] P. A. Lestari Zakaria, M. Zainal, and M. Masnur, “Pengenalan Nilai Mata Uang Kertas Untuk Tunanetra Berbasis Android,” Jurnal Sintaks Logika, vol. 3, no. 3, pp. 40–44, Sep. 2023, doi: 10.31850/jsilog.v3i3.2587.
[12] K. M. Azhar, I. Santoso, and Y. A. A. Soetrisno, “IMPLEMENTASI DEEP LEARNING MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK DAN ALGORITMA YOLO DALAM SISTEM PENDETEKSI UANG KERTAS RUPIAH BAGI PENYANDANG LOW VISION,” Transient: Jurnal Ilmiah Teknik Elektro, vol. 10, no. 3, pp. 502–509, Sep. 2021, doi: 10.14710/transient.v10i3.502-509.
[13] F. Agustina, “Deteksi Kematangan Buah Pepaya Menggunakan Algoritma YOLO Berbasis Android,” Jurnal Ilmiah Infokam, vol. 18, no. 2, pp. 70–78, Dec. 2022, doi: 10.53845/infokam.v18i2.320.
[14] M. R. Sholahuddin et al., “Optimizing YOLOv8 for Real-Time CCTV Surveillance: A Trade-off Between Speed and Accuracy,” Jurnal Online Informatika, vol. 8, no. 2, pp. 261–270, Dec. 2023, doi: 10.15575/join.v8i2.1196.
[15] Teamkito Labs, “Uang Computer Vision Project,” Teamkito Labs. Accessed: Oct. 12, 2024. [Online]. Available: https://universe.roboflow.com/teamkito-labs/uang-wfprv
[16] H. Huang, B. Wang, J. Xiao, and T. Zhu, “Improved small-object detection using YOLOv8: A comparative study,” Applied and Computational Engineering, vol. 41, no. 1, pp. 80–88, Feb. 2024, doi: 10.54254/2755-2721/41/20230714.
[17] M. Hussain, YOLOv5, YOLOv8 and YOLOv10: The Go-To Detectors for Real-time Vision. 2024. doi: 10.48550/arXiv.2407.02988.
[18] C. Schröer, F. Kruse, and J. M. Gómez, “A Systematic Literature Review on Applying CRISP-DM Process Model,” Procedia Comput Sci, vol. 181, pp. 526–534, 2021, doi: 10.1016/j.procs.2021.01.199.
[19] K. KOCAKANAT and T. SERİF, “Turkish Traffic Sign Recognition: Comparison of Training Step Numbers and Lighting Conditions,” European Journal of Science and Technology, Nov. 2021, doi: 10.31590/ejosat.1015972.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 SMATIKA JURNAL : STIKI Informatika Jurnal
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
Penulis telah menyetujui bahwa pemegang hak cipta adalah SMATIKA Jurnal. Dan Author berhak menyebarkan artikel tanpa seijin SMATIKA jurnal.
