Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK)
Rafikil, Dias
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Pendeteksi Nominal Mata Uang Kertas menggunakan Kamera berbasis Android Rafikil, Dias; Basri, Muhammad; Suwardoyo, Untung; Wafiah, Andi; Yunus, Mughaffir
Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK) Vol 4 No 2 (2025): Jurnal Manajemen Informatika, Sistem Informasi dan Teknologi Komputer (JUMISTIK)
Publisher : STMIK Amika Soppeng

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70247/jumistik.v4i2.170

Abstract

Pengenalan dan klasifikasi mata uang kertas secara otomatis merupakan isu yang krusial, khususnya dalam mendukung kemudahan transaksi bagi seluruh lapisan masyarakat, termasuk penyandang tunanetra. Kesulitan dalam membedakan nominal uang kertas terutama bagi tunanetra atau dalam kondisi pencahayaan yang kurang memadai menjadi permasalahan nyata dalam aktivitas transaksi sehari-hari. Penelitian ini bertujuan untuk implementasi aplikasi Android yang mampu mendeteksi jenis mata uang rupiah secara otomatis dan real-time. Metode penelitian yang digunakan adalah penelitian kuantitatif dengan metode eksperimental menggunakan algoritma YOLOv8 dan variasi pencahayaan, pelabelan objek ke dalam aplikasi Android. Objek yang digunakan sebagai penelitian ini adalah Uang Kertas Rupiah Indonesia Tahunemisi 2022. Pengumpulan data dilakukan melalui Studi kepustakaan. Seluruh proses dirancang agar aplikasi dapat berjalan ringan dan tetap akurat dalam mengenali objek mata uang yang ditangkap melalui kamera ponsel. Metode Pengujian diguankan adalah Black Box Testing. Hasil dari penelitian menunjukkan bahwa aplikasi mampu mengenali mata uang rupiah dengan akurasi tinggi serta mencapai 90% confidence pada kondisi pencahayaan normal dengan jarak 0 sampai 20cm. Aplikasi juga memberikan respons yang cepat dalam mendeteksi mata uang, waktu proses rata-rata di bawah 1detik
Co-Authors Andi Wafiah Mughaffir Yunus Muhammad Basri Untung Suwardoyo