<![CDATA[Penelitian ini mengembangkan aplikasi pencatatan keuangan pribadi berbasis Android menggunakan metodologi Software Development Life Cycle (SDLC) dengan model Waterfall. Penelitian ini memberikan kontribusi dengan menyajikan solusi otomasi pencatatan keuangan yang divalidasi secara kuantitatif dan membuktikan bahwa kombinasi OCR dan Gemini mampu mencapai akurasi tinggi (97,78% untuk data krusial) dan diterima baik oleh pengguna. Aplikasi ini dapat mengurangi beban entri manual melalui alur dua tahap yaitu OCR (Google ML Kit) secara on-device untuk mengubah citra struk belanja menjadi teks, lalu diproses oleh Gemini untuk mengekstraksi tanggal, total belanja, item, dan kategori. Metode pengujian menggunakan metode Black-Box Testing pada fitur utama dan User Acceptance Testing (UAT) untuk mengetahui penerimaan pengguna terhadap aplikasi yang dibuat. Hasil uji akurasi pada 45 struk menunjukkan akurasi yang tinggi, yaitu untuk pengenalan Tanggal dan Total Belanja mencapai 97,78%, serta Klasifikasi Kategori dengan akurasi 91,11%, dimana sebagian kesalahan disebabkan oleh kualitas cetak struk. Hasil UAT terhadap 25 responden mengkonfirmasi bahwa aplikasi mudah digunakan, navigasi jelas dan fitur pindai struk belanja sangat mempermudah pencatatan. Uji performa menunjukkan kinerja responsif (waktu buka rata-rata 2,14 detik; navigasi 0,64 detik) pada beragam perangkat Android. Dengan menampilkan hasil ekstraksi sebagai prefill yang dapat dikoreksi, aplikasi menyeimbangkan efisiensi dan kontrol pengguna. Sistem ini terbukti meningkatkan efisiensi, akurasi, dan pengalaman pengguna dalam pencatatan keuangan sehari-hari.]]>
