<![CDATA[Ketersediaan sistem pendeteksi nominal uang kertas Rupiah menjadi kebutuhan penting sebagai alat bantu pengenalan nilai mata uang bagi penyandang disabilitas netra. Sebuah sistem pendeteksi nominal uang Rupiah berbasis deteksi objek dikembangkan menggunakan algoritma YOLOv8 dan diimplementasikan dalam aplikasi web berbasis Streamlit dengan keluaran audio. Dataset yang digunakan terdiri atas 422 citra uang kertas Rupiah emisi 2022 yang mencakup tujuh kelas nominal, dianotasi menggunakan Roboflow dan diperluas melalui teknik augmentasi untuk merepresentasikan variasi sudut pandang, pencahayaan, dan kondisi fisik uang. Proses pelatihan model dilakukan dengan resolusi citra 640×640 piksel dan dievaluasi menggunakan metrik precision, recall, F1-score, serta mean Average Precision (mAP). Hasil pengujian menunjukkan bahwa sistem mampu mendeteksi dan mengklasifikasikan seluruh nominal uang Rupiah secara konsisten dengan tingkat kepercayaan deteksi berada pada rentang 80% hingga 96%. Nominal bernilai besar mencapai performa tertinggi dengan confidence maksimum 95–96%, sementara nominal lainnya tetap menunjukkan kinerja di atas 80%. Capaian tersebut mengindikasikan bahwa model memiliki tingkat akurasi yang tinggi dan stabil dalam kondisi pengujian. Integrasi deteksi visual dan umpan balik suara menjadikan sistem ini berpotensi sebagai prototipe teknologi bantu yang inklusif dan mudah diakses untuk pengenalan uang kertas Rupiah secara real-time.]]>
Copyrights © 2025
