Klasifikasi Uang Rupiah Kertas Tidak Layak Edar Menggunakan CNN Xception Transfer Learning Berbasis Website

Abstract

Uang kertas Rupiah adalah alat pembayaran utama yang dipakai oleh masyarakat, tetapi minimnya pengetahuan masyarakat mengenai perawatan dan ciri kelayakannya menyebabkan kerusakan Uang Rupiah. Bank Indonesia mencoba mengatasi masalah ini dengan kampanye "Cinta Bangga Paham Rupiah," namun akan sulit mencapai seluruh masyarakat hanya dengan edukasi itu saja. Oleh karena itu, dikembangkan sistem "Klasifikasi Uang Rupiah Tidak Layak Edar dengan CNN Xception Transfer Learning berbasis Website”. Metode ini memadukan deep learning yakni Convolutional Neural Network bermodel Xception dengan metode Transfer Learning, pemilihan Xception dipilih karena mempunyai arsitektur yang kompleks namun efisien dalam penggunaan waktunya dan memiliki akurasi yang tinggi untuk melakukan klasifikasi gambar, menghasilkan model akurat dengan waktu pelatihan singkat. Menggunakan dataset 14 kelas uang Rupiah emisi 2016, termasuk 7 pecahan yang layak dan tidak. Hasil akhir menunjukkan akurasi 99,22% untuk pelatihan, 96,19% untuk validasi, dan 93,57% untuk pengujian, disamping untuk mengembangkan metode deep learning menggunakan CNN Xception dengan Transfer Learning, dengan model hasil penelitian ini akan diimplementasikan kedalam website, hal ini bertujuan untuk memudahkan dan membantu masyarakat dalam mengetahui kelayakan uang kertas Rupiah yang mereka punya.