<![CDATA[Perbedaan karakteristik visual uang dari berbagai negara di Asia Tenggara menyebabkan proses identifikasi uang menjadi cukup sulit dilakukan secara manual, khususnya bagi masyarakat umum maupun wisatawan. Penelitian ini bertujuan mengembangkan sistem klasifikasi uang kertas dan logam Asia Tenggara berbasis web menggunakan Convolutional Neural Network (CNN) dengan arsitektur MobileNetV3 melalui pendekatan transfer learning. Dataset yang digunakan terdiri atas 1.610 citra yang terbagi ke dalam 21 kelas, meliputi uang kertas, uang logam dari sepuluh negara Asia Tenggara, serta satu kelas non-uang. Tahap penelitian meliputi preprocessing, augmentasi data, pelatihan model menggunakan Stratified K-Fold Cross Validation dengan variasi K=5, K=10, dan K=15, serta implementasi model ke dalam aplikasi web. Hasil penelitian menunjukkan bahwa konfigurasi K=10 memberikan performa terbaik dengan rata-rata accuracy sebesar 93,91%, precision sebesar 94,72%, recall sebesar 93,97%, dan F1-score sebesar 93,97%. Hasil tersebut menunjukkan bahwa MobileNetV3 mampu memberikan performa klasifikasi yang baik dan stabil sehingga layak diterapkan sebagai sistem identifikasi uang Asia Tenggara berbasis web.]]>
Copyrights © 2026
