Article Per Year (5 Year)
p-Index From 2020 - 2025
2.693
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan Al Ibtida: Jurnal Pendidikan Guru MI Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) IT JOURNAL RESEARCH AND DEVELOPMENT INOVTEK Polbeng - Seri Informatika International Journal of Electrical, Energy and Power System Engineering (IJEEPSE) Jurnal Abdidas Infotek : Jurnal Informatika dan Teknologi Unri Conference Series: Community Engagement Jurnal PkM (Pengabdian kepada Masyarakat) Elementary School: Jurnal Pendidikan dan Pembelajaran ke-SD-an CONSEN: Indonesian Journal of Community Services and Engagement BATOBO: Jurnal Pengabdian Kepada Masyarakat Jcommits : The Journal of Community Empowerment, Innovation, and Sustainability
Andhi, Rahmat Rizal
Universitas Riau
Religion Arts Humanities Biochemistry, Genetics & Molecular Biology Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Mathematics Physics Public Health Social Sciences Other

Published : 17 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : INOVTEK Polbeng - Seri Informatika

 1 
Klasifikasi Uang Rupiah Kertas Tidak Layak Edar Menggunakan CNN Xception Transfer Learning Berbasis Website Albani, Muhammad; Andhi, Rahmat Rizal
Jurnal Inovtek Polbeng Seri Informatika Vol 8, No 2 (2023)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v8i2.3657

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.
Co-Authors Albani, Muhammad Alia Sari, Filma Anhar Anhar Anjli Wulandari Antosa, Zariul Arif Fauzar Cahyani, Atik Luthfia Charlina, Charlina Dian Ramadhani Edi Susilo Edi Susilo Ery Safrianti Fajrinnida Desfitri Febrizal Ujang Feri Candra Feri Candra Gunawan, Yahya Gustimal Witri Hadiwandra, T Yudi Hasnah Faizah AR Ibrahim As Intan Kartika Sari, Intan Kartika IRSAN TAUFIK ALI Jesi Alexander Alim Leli Deswita Linna Oktaviana Sari Mangatur Sinaga Mangatur Sinaga Sinaga, Mangatur Sinaga Mudinillah, Adam Muhammad Fendrik Muhammad Hakim Saputra Neni Hermita Noveri Lysbetti M Nurdiansyah Nurdiansyah Putri Mustika, Tria Safitri , Nur Ramadhani Salhazan Nasution Sari, Filma Alia Sari Tria Putri Mustika, Tria Putri Witri, Gustimal Yusnita Rahayu Zetra Hainul Putra