RANCANG BANGUN IDENTIFIKASI NOMINAL UANG KERTAS RUPIAH UNTUK LANSIA MENGGUNAKAN METODE DEEP LEARNING DAN TEXT TO SPEECH
Lansia merupakan individu yang telah berusia 60 tahun ke atas, yang umumnya mengalami penurunan fungsi tubuh, termasuk berkurangnya kemampuan penglihatan, termasuk dalam mengenal nominal uang kertas. Ketidakmampuan dalam mengenali nominal uang kertas dapat menimbulkan masalah, baik dalam kegiatan transaksi sehari-hari seperti berbelanja. Penelitian ini mengembangkan sistem identifikasi nilai nominal mata uang kertas rupiah untuk lansia menggunakan Convolutional Neural Network (CNN) berbasis arsitektur VGG16 dengan fitur text to speech. Dataset yang terdiri dari 7 kelas (jenis uang kertas) dengan total 4.200 citra uang kertas diambil dengan menggunakan kamera ponsel, dan kemudian dipisahkan menjadi dua skema anotasi yang masing-masing sebanyak 2.100 citra. Skema pertama dilatih berdasarkan nominal uang, sedangkan skema kedua dilatih berdasarkan keseluruhan area uang kertas. Pembagian data dilakukan dengan proporsi 70% untuk train, 20% untuk valid, dan 10% untuk test. Hasil dari proses pelatihan menunjukkan bahwa skema pertama meraih tingkat akurasi pelatihan sebesar 99,47% dan validasi sebesar 100%, sedangkan skema kedua mencatat 74,37% untuk pelatihan dan 98,45% untuk validasi. Penilaian terhadap data uji menunjukkan bahwa skema pertama menghasilkan precision, recall, dan f1-score yang mencapai 100% tanpa adanya kesalahan klasifikasi, sementara skema kedua mencapai angka 99% dengan sedikit kekeliruan pada nominal Rp10.000 dan Rp20.000. Kemudian, pengujian secara realtime yang dilakukan terhadap sepuluh orang lansia menunjukkan bahwa skema pertama lebih baik dalam mengenali uang dengan nilai Rp1.000 sampai Rp100.000, kecuali untuk Rp50.000, sedangkan skema kedua hanya mampu mengenali Rp2.000 dan Rp10.000 dengan baik. Skor System Usability Scale (SUS) yang diperoleh adalah 70,25 yang termasuk dalam kategori “baik”. Fitur text to speech beroperasi dengan baik dan dapat menyimpan secara otomatis dalam format MP3. Keterbatasan utama adalah ketergantungan CNN standar pada penempatan nominal yang tepat dan kondisi pencahayaan yang sesuai. Pengembangan lebih lanjut dengan teknologi deteksi objek seperti YOLO atau SSD diperlukan untuk meningkatkan fleksibilitas sistem dalam kondisi penggunaan nyata.