SYARIFA, Anggita Mahardika (2025) KLASIFIKASI KEASLIAN UANG KERTAS MENGGUNAKAN ARSITEKTUR MOBILENETV2. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (77kB)
	Text 4. HALAMAN PENGESAHAN.pdf Download (59kB)
	Text 5. KATA PENGANTAR.pdf Restricted to Repository staff only Download (121kB)
	Text 7. ABSTRAK.pdf Download (206kB)
	Text 8. ABSTRACT.pdf Download (146kB)
	Text 9. DAFTAR ISI.pdf Download (226kB)
	Text 12. BAB I PENDAHULUAN.pdf Download (253kB)

Abstract

ABSTRAK
Dalam era digitalisasi yang semakin maju, kasus pemalsuan uang kertas menjadi salah satu
permasalahan yang sering dihadapi di berbagai negara. Klasifikasi keaslian uang kertas
secara manual sering kali memerlukan waktu yang cukup lama dan rentan terhadap
kesalahan manusia. Jika terlalu banyak terpapar oleh sinar ultra violet akan beresiko pada
masalah kesehatan. Diperlukan sebuah model yang mampu mengklasifikasi keaslian uang
kertas secara otomatis dengan akurasi yang tinggi. Penelitian ini mengembangkan model
klasifikasi keaslian uang kertas menggunakan arsitektur MobileNetV2, yang merupakan
salah satu model deep learning yang efisien dan ringan. MobileNetV2 dipilih karena
kemampuannya dalam menangani klasifikasi gambar dengan baik, sekaligus
mempertahankan efisiensi komputasi. Arsitektur ini dirancang khusus untuk bekerja optimal
pada perangkat dengan keterbatasan sumber daya, seperti smartphone dan sistem tertanam.
Proses pengembangan model ini meliputi pengumpulan data gambar uang kertas asli dan
palsu, preprocessing data, serta pelatihan model MobileNetV2 menggunakan optimizer
Adam dengan epoch 10, 20, 30 dan learning rate 0,1, 0,01, 0,001, 0,0001. Hasil penelitian
menunjukkan bahwa model yang dikembangkan mampu mengklasifikasi keaslian uang
kertas dengan tingkat akurasi yang tinggi. Model tanpa augmentasi data menghasilkan
akurasi sebesar 100%, sedangkan model dengan augmentasi menghasilkan akurasi sebesar
95,45%. Selain itu, model ini juga menunjukkan kecepatan inferensi yang cepat, sehingga
cocok untuk diaplikasikan dalam berbagai perangkat dengan keterbatasan sumber daya.
Implementasi dari model ini diharapkan dapat menjadi solusi yang efektif dan efisien dalam
mengatasi masalah pemalsuan uang kertas.
Kata Kunci: Keaslian uang kertas, Model klasifikasi, Pelatihan Model, MobileNetV2,
Optimizer Adam, Deep Learning, Klasifikasi Gambar

Actions (login required)

View Item