<![CDATA[Penelitian ini bertujuan mengembangkan sistem pendeteksi nominal uang rupiah berbasis computer vision yang dapat memberikan keluaran suara otomatis sebagai dukungan aksesibilitas bagi penyandang tunanetra. Model dikembangkan menggunakan algoritma YOLOv11 yang disesuaikan untuk mengenali tujuh kelas nominal uang kertas emisi 2022. Dataset publik digunakan sebagai data latih, validasi, dan uji, kemudian diproses melalui transfromasi dan augmentasi untuk meningkatkan generalisasi model. Pelatihan dilakukan menggunakan konfigurasi terkontrol dengan optimisasi AdamW dan strategi pencegahan overfitting. Evaluasi kinerja dilakukan menggunakan metrik akurasi, precision, recall, F1-score, mean Average Precision, confusion matrix, serta ROC-AUC. Hasil penelitian menunjukkan bahwa model mencapai performa sangat tinggi dengan akurasi 99,64% dan mAP 0,9935, menandakan kemampuan identifikasi nominal uang yang konsisten pada seluruh kelas. Implementasi sederhana berbasis OpenCV dan konversi suara menggunakan gTTS membuktikan bahwa model dapat beroperasi secara real-time dan memberikan umpan balik audio secara langsung. Temuan ini menunjukkan bahwa YOLOv11 efektif untuk pengenalan uang rupiah dan berpotensi dikembangkan lebih lanjut pada aplikasi aksesibilitas bagi penyandang tunanetra.]]>
Copyrights © 2026
