<![CDATA[Celengan konvensional memiliki kelemahan mendasar berupa ketiadaan pencatatan saldo otomatis, sedangkan upaya identifikasi mandiri menghadapi kendala degradasi fisik uang lusuh dan fluktuasi spektrum warna. Penelitian ini bertujuan mengembangkan sistem celengan cerdas berbasis Internet of Things (IoT) yang mampu mengklasifikasikan tujuh pecahan nominal uang kertas Rupiah emisi tahun 2016 dan 2022 secara otomatis dan memantau saldo tabungan secara real-time. Perangkat keras sistem mengintegrasikan mikrokontroler ESP32 dan sensor spektrum warna TCS34725 dengan server REST API berbasis Python Flask. Data masukan warna diproses melalui ekstraksi 21 fitur spektrum diskriminatif (mencakup warna mentah, rasio relatif, kontras, ruang warna HSV, proyeksi trigonometri Hue, diferensial warna lawan, rasio logaritmik, dan luminansi), penyaringan noise sensor menggunakan Edited Nearest Neighbours (ENN), penstandaran skala StandardScaler, serta penyeimbangan distribusi kelas data latih menggunakan SMOTE. Proses klasifikasi menerapkan arsitektur Stacking Ensemble berbasis pohon keputusan yang menggabungkan Random Forest, XGBoost, CatBoost, dan Gradient Boosting sebagai model dasar, serta Random Forest Classifier sebagai model meta. Hasil pengujian menunjukkan bahwa model Stacking Ensemble memperoleh akurasi sebesar 93,07% dengan weighted average F1-score sebesar 0,93 pada 202 data uji murni. Pengujian langsung pada perangkat fisik celengan IoT menggunakan 70 lembar uang kertas asli independen dalam tiga kondisi fisik (baru, sedang, dan lusuh) menghasilkan tingkat keberhasilan pembacaan real-time sebesar 87,1%. Sistem berhasil mengintegrasikan pencatatan transaksi ke database MySQL dan pemantauan saldo pada dashboard web secara terpadu.]]>
Copyrights © 2026
