<![CDATA[ABSTRAKPerkembangan teknologi self-checkout system meningkatkan efektivitas dalam melakukan proses pembayaran. Self-checkout system merupakan fasilitas yang memungkinkan konsumen untuk melakukan pembayaran melalui scanning beberapa produk sekaligus dalam satu waktu dan pengemasan secara mandiri. Penelitian ini mengusulkan self- heckout system menggunakan Convolutional Neural Network (CNN) dan arsitektur model MobileNetV2 dengan metode hamming loss. Perancangan sistem diimplementasikan pada GUI sebagai user interface penelitian. Dataset yang digunakan pada penelitian ini berjumlah 247 citra dengan resolusi 224 x 224 pixels terhadap tiga jenis produk Teh Botol, Indomie dan Chitato. Hasil pengujian menunjukkan nilai akurasi deteksi sebesar 88.8% dengan hamming loss 0.12%. Posisi produk dalam keadaan berjarak dapat meningkatkan nilai akurasi. Sistem GUI pada penelitian ini berhasil mendeteksi produk hanya dalam waktu 1 detik.Kata kunci: self-checkout system, convolutional neural network, MobileNetV2 ABSTRACTThe development of self-checkout system technology increases the effectiveness of the payment process. Self-checkout system is a facility that allows consumers to make payments through scanning several products at the same time and packaging independently. This research proposes a self-checkout system using Convolutional Neural Network (CNN) and MobileNetV2 model architecture with hamming loss method. The system design is implemented on a GUI as a research user interface. The dataset used in this study amounted to 247 images with a resolution of 224 x 224 pixels of three types of bottled tea, Indomie and Chitato products. The test results show a detection accuracy value of 88.8% with a hamming loss of 0.12%. The position of the product in a spaced state can increase the accuracy value. The GUI system in this research successfully detects products in just 1 second.Keywords: self-checkout system, convolutional neural network, MobileNetV2]]>
