Efektivitas Teachable Machine dan Raspberry Pi dalam Mendeteksi Nominal Uang Kertas pada Alat Pendeteksi Model Virtual Reality
DOI:
https://doi.org/10.54082/jupin.634Kata Kunci:
Nominal Uang Kertas, Raspberry Pi, Teachable MachineAbstrak
Menurut World Health Organization (WHO) ada sekitar 2,2 juta penduduk dunia mengalami kebutaan. Orang dengan gangguan penglihatan seperti tunanetra dan katarak sering kesulitan mengenali nominal uang. Kurangnya kejujuran antara penjual dan pembeli juga dapat menyebabkan mereka sering tertipu karena tidak mengetahui nilai uang yang dipegang. Penelitian ini bertujuan untuk mendapatkan model dan pendeteksi nominal uang kertas menggunakan Teachable Machine dan Raspberry Pi yang cocok diterapkan pada alat pendeteksi model virtual reality untuk membantu penyandang tunanetra. Sampel uang kertas yang digunakan adalah uang kertas edisi 2022 yang diambil melalui webcam Logitech C525 pada jarak 10 cm. Sampel ini kemudian dilatih menggunakan Teachable Machine untuk mendapatkan model dan diekspor dalam format TensorFlow Lite dan diimplementasikan pada Raspberry Pi yang sudah dilengkapi dengan library TensorFlow Lite, OpenCV, Pygame dan GPIO. Pendeteksian dilakukan pada jarak 7 cm dan 10 cm menutupi bagian depan dan belakang uang kertas. Hasil penelitian menunjukkan bahwa Rp. 2.000 memiliki tingkat keberhasilan deteksi tertinggi yaitu 100% pada berbagai kondisi, sedangkan Rp. 20.000, Rp. 50.000, dan Rp. 5.000 menunjukkan tingkat keberhasilan deteksi yang lebih rendah. Hasil rata-rata keberhasilan deteksi bagian depan dan belakang nominal uang kertas sebesar 73%. Berdasarkan hasil penelitian ini, Teachable Machine dan Raspberry Pi cukup efektif untuk diterapkan pada alat deteksi model virtual reality untuk membantu penyandang tunanetra.
Referensi
Amalia, B., & Novia Lisdawati, A. (2023). Perancangan Alat Pendeteksi Nominal Pada Uang Kertas Berbasis Artificial Neural Network Untuk Penyandang Tunanetra. Jurnal EEICT (Electric Electronic Instrumentation Control Telecommunication), 6(2), 19-25.
Andriani, R., Sitorus, R. R., Zai, S. A. P., & Pasaribu, Y. S. (2023). Penggunaan algoritma CNN untuk mengidentifikasi jenis anjing menggunakan metode supervised learning. Mutiara: Jurnal Penelitian dan Karya Ilmiah, 1(6), 393-403. https://doi.org/10.59059/mutiara.v1i6.741.
Anto, A. P., Abidin, Z., & Utomo, A. B. (2020). Identifikasi Nominal Uang Kertas Untuk Tuna Netra Berbasis Mikrokontroller Dengan Sistem Suara. JEECOM: Journal of Electrical Engineering and Computer, 2(2), 1–6.
Bara, M. S. B., & Hendrawati, T. D. (2023). Rancangan smart door lock berbasis IoT dengan verifikasi wajah. In Prosiding SEMNASTERA (Seminar Nasional Teknologi dan Riset Terapan) (451-457). Politeknik Sukabumi.
Chazar, C., & Rafsanjani, M. H. (2022). Penerapan Teachable Machine Pada Klasifikasi Machine Learning Untuk Identifikasi Bibit Tanaman. Prosiding Seminar Nasional Inovasi Dan Adopsi Teknologi (INOTEK), 2(1), 32–40.
Diki, E., Nugroho, A. A., & Wibowo, N. R. (2024). Sistem klasifikasi citra untuk proses inspeksi kain menggunakan teachable machine dan Raspberry Pi. Jurnal Teknologika (Jurnal Teknik-Logika-Matematika), 14(1), 49-60. https://doi.org/10.51132/teknologika.v14i1.
Farid, A., Ardiantoro, L., & Rosita, Y. D. (2023). Implementasi Teachable Machine Pada Aplikasi Absensi Siswa. Seminar Nasional Fakultas Teknik, 2(1), 141–145.
Lab Elektronika. (2018). Mengenal Single Board Komputer Raspberry Pi 3 Model B+.
Lubis, Z., Annisa, S., & Di, A. (2020). Perancangan Alat Baru Untuk Nominal Uang Pada Vending Mechine. Journal of Electrical Technology, 5(3), 112-116.
Mardha, F. A., Salsabiila, S. Z., & Sayid, S. K. (2022). Identifikasi Nilai Mata Uang Kertas Rupiah dengan Metode Ekstraksi Ciri Local Binary Pattern dan Metode Klasifikasi Naive Bayes.
Nasution, M. F., Nulfatwa, R. I., Maryam, R. N., Iqbal, F. M., Rifansyah, R. Y., & Setya Budi, A. H. (2023). Smart Asissistive Device: Alat Bantu Komunikasi Pasien Stroke Berat Dengan Gesture Recognition Berbasis Internet Of Things. Telekontran : Jurnal Ilmiah Telekomunikasi, Kendali Dan Elektronika Terapan, 10(2), 128–138. https://doi.org/10.34010/telekontran.v10i2.9181.
Pancono, S., Indroasyoko, N., & Setiawan, A. I. (2024). Pemantauan dan deteksi penyakit daun tomat berbasis IoT dan CNN dengan aplikasi Android. Indonesian Journal of Computer Science, 13(3), 4692-4709.
Perkasa, B. R., Sularsa, A., & Pratondo, A. (2022). Implementasi Klasifikasi Citra Untuk Mendeteksi Embrio Bebek Pada Aplikasi Mobile Menggunakan Artificial Intelligence. E-Proceeding of Applied Science, 8(1), 1–7.
Sabara, M. A., Niam, B., & DaRp. ono, R. (2023). Alat Deteksi Nominal Uang Kertas Untuk Penyandang Tuna Netra Dengan Metode Deteksi Warna. Jurnal Riset Rekayasa Elektro, 5(2), 129.
Taufiq, A. J., Hayat, L., & Susiyadi, S. (2023). Prototipe Alat Pendeteksi Pengguna Masker Sebagai Upaya Pencegahan Covid-19. Techno (Jurnal Fakultas Teknik, Universitas Muhammadiyah Purwokerto), 24(1), 19. https://doi.org/10.30595/techno.v24i1.11174.
Wei, Y.,C. (2023). Develop An Augmented Reality Measuring Tool For Marine Life. (Skripsi Sarjana, Universiti Tunku Abdul Rahman). http://eprints.utar.edu.my/6004/1/fyp_IA_2023_YCW.pdf.
World Health Organization. (2023, August 10). Blindness and vision impairment. https://www.who.int/news-room/fact-sheets/detail/blindness-and-visual-impairment.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2024 Bagas Nur Susanto, Muhammad Asad Catur Nasrulah, Yahya Ginanjar Endriawan, Asniar Aliyu
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
