<![CDATA[Perkembangan teknologi computer vision dan deep learning telah mendorong pengembangan sistem deteksi objek secara otomatis pada berbagai bidang, termasuk pengenalan mata uang. Penelitian ini bertujuan untuk mengembangkan sistem pendeteksi dan penghitungan uang rupiah otomatis menggunakan algoritma YOLOv8. Penelitian dilakukan dengan membandingkan performa dua varian model, yaitu YOLOv8n dan YOLOv8s, dalam mendeteksi nominal uang rupiah berdasarkan metrik evaluasi precision, recall, mAP50, dan mAP50-95. Tahapan penelitian meliputi pengumpulan dataset, preprocessing data, pelatihan model, pengujian model, evaluasi kinerja, serta analisis hasil. Dataset yang digunakan terdiri dari citra uang rupiah dengan tujuh kelas nominal, yaitu Rp1.000, Rp2.000, Rp5.000, Rp10.000, Rp20.000, Rp50.000, dan Rp100.000. Hasil penelitian menunjukkan bahwa kedua model mampu mendeteksi nominal uang rupiah dengan baik serta melakukan penghitungan total nominal uang secara otomatis. Model YOLOv8s menunjukkan performa yang lebih baik dalam mendeteksi objek secara umum dan menghasilkan deteksi yang lebih akurat, sedangkan YOLOv8n memiliki kemampuan lokalisasi objek yang lebih stabil berdasarkan nilai mAP50-95 yang lebih tinggi serta ukuran model yang lebih ringan. Beberapa kesalahan deteksi masih ditemukan pada kondisi uang yang bertumpuk (overlap), pencahayaan yang kurang optimal, dan kemiripan warna antar-nominal uang. Secara keseluruhan, penelitian ini menunjukkan bahwa algoritma YOLOv8 memiliki potensi yang baik untuk diterapkan pada sistem pendeteksi dan penghitungan uang rupiah otomatis berbasis computer vision serta dapat diimplementasikan pada aplikasi berbasis web.]]>
Copyrights © 2026
