<![CDATA[Intisari— Peredaran uang tunai yang layak edar sangat penting untuk menjaga stabilitas ekonomi dan kualitas transaksi keuangan. Namun, identifikasi kondisi uang kertas masih dilakukan secara manual, yang memakan waktu dan rentan terhadap kesalahan manusia. Penelitian ini mengembangkan sistem deteksi kondisi uang berbasis Convolutional Neural Network (CNN) untuk mengklasifikasikan uang dalam kondisi baik atau rusak secara otomatis. Dataset terdiri dari 500 gambar uang, yang diproses menggunakan augmentasi data dan dibagi menjadi 80% data latih dan 20% data validasi. Model CNN yang dikembangkan memiliki lapisan utama seperti konvolusi, batch normalization, ReLU, pooling, dan fully connected layer, serta dilatih dengan optimizer Adam selama 50 epoch dengan learning rate 0.00001. Implementasi sistem dalam Graphical User Interface (GUI) berbasis MATLAB mempermudah penggunaannya. Hasil pengujian menunjukkan akurasi validasi 93%, precision 97%, dan recall 96%. Survei terhadap Bank Indonesia menunjukkan sistem ini mendapat skor sempurna dalam efisiensi, akurasi, kemudahan pengoperasian, dan kecepatan deteksi. Dengan hasil ini, sistem memiliki potensi untuk diterapkan dalam layanan kas keliling Bank Indonesia dan lembaga keuangan lainnya. Kata Kunci: CNN, Pengolahan Citra Digital, Klasifikasi Uang, GUI]]>
Copyrights © 2025
