Deteksi Keaslian Uang Kertas Berdasarkan Citra Digital Dengan Menggunakan Teachable Machine Learning
Main Article Content
Yeni nur hasanah
Zaehol Fatah
Penipuan uang palsu merupakan masalah serius yang dapat merugikan perekonomian negara dan masyarakat. Seiring dengan kemajuan teknologi, deteksi keaslian uang kertas kini dapat dilakukan menggunakan metode berbasis citra digital. Penelitian ini bertujuan untuk mengembangkan sistem deteksi keaslian uang kertas menggunakan pendekatan machine learning dengan memanfaatkan platform Teachable Machine. Sistem ini memanfaatkan citra digital uang kertas yang diambil menggunakan kamera digital untuk dianalisis dan diklasifikasikan berdasarkan keaslian uang tersebut. Data citra uang kertas yang digunakan mencakup gambar dari berbagai sisi dan elemen pengaman pada uang, seperti watermark, benang pengaman, dan cetakan mikroteks. Model machine learning yang diterapkan dilatih dengan berbagai gambar uang kertas asli dan palsu untuk menghasilkan model yang dapat mengidentifikasi perbedaan antara keduanya. Hasil penelitian menunjukkan bahwa sistem ini dapat mendeteksi keaslian uang kertas dengan tingkat akurasi yang tinggi, memberikan solusi praktis dan efisien untuk membantu mendeteksi uang palsu secara cepat dan akurat. Implementasi sistem ini berpotensi untuk digunakan di berbagai sektor, seperti perbankan, ritel, dan pemeriksaan keuangan.
A. Yani, Dhita Deviacita, Helen Sasty Pratiwi, and Hafiz Muhardi. 2019. “Implementasi Web Scraping Untuk Pengambilan Data Pada Situs Marketplace.” Jurnal Sistem Dan Teknologi Informasi (JUSTIN) 7(4):257. doi: 10.26418/justin.v7i4.30930.
Alfita, Riza, Achmad Fiqhi Ibadillah, and Aries Prianto. 2022. “Identifikasi Nilai Nominal Uang Kertas Berdasarkan Warna Berbasis Image Processing Menggunakan Metode Template Matching.” Jurnal Teknik Elektro Dan Komputer TRIAC 9(1):28–32. doi: 10.21107/triac.v9i1.12487.
Anto, Agus Puji, Zainal Abidin, and Arief Budi Utomo. 2020. “Identifikasi Nominal Uang Kertas Untuk Tuna Netra Berbasis Mikrokontroller Dengan Sistem Suara.” JEECOM: Journal of Electrical Engineering and Computer 2(2):1–6. doi: 10.33650/jeecom.v2i2.1303.
Antoni, Frans Xavier Natalius, Neva Satyahadewi, and Hendra Perdana. 2024. “Implementasi Web Scraping Untuk Ulasan Pada Twitter Menggunakan Asosiasi Teks (Studi Kasus: Film Kkn Di Desa Penari).” VARIANCE: Journal of Statistics and Its Applications 6(1):21–28. doi: 10.30598/variancevol6iss1page21-28.
Arya, Dimas, M. Arif Aulia, and Reza Althoriq. 2023. “Detecting the Authenticity of 2022 Emission Banknotes Based on Watermark with the Canny Edge Detection Method.” Bigint Computing Journal 1(2).
Balthasar Kehi1, Aryandi Saban2Yampi R. Kaesmetan3. 2024. “Deteksi Keaslian Uang Kertas Berdasarkan Watermark Dengan Suport Vektor Machine(Svm).” Jurnal Informatika Dan Komputer (JIK) 15(1):1–38.
Hafiizh, Sekarani, Chamidah Fahira, and Nurul. 2020. “Mengenali Keaslian Mata Uang Kertas Rupiah Dengan Penerapan Metode Support Vector Machine.” Seminar Nasional Mahasiswa Ilmu Komputer Dan Aplikasinya (SENAMIKA) 574–84.
Jalil, Abdul, Ahmad Homaidi, and Zaehol Fatah. 2024. “Implementasi Algoritma Support Vector Machine Untuk Klasifikasi Status Stunting Pada Balita.” G-Tech: Jurnal Teknologi Terapan 8(3):2070–79. doi: 10.33379/gtech.v8i3.4811.
Muwardi, Fitri, and Abdul Fadlil. 2018. “Sistem Pengenalan Bunga Berbasis Pengolahan Citra Dan Pengklasifikasi Jarak.” Jurnal Ilmiah Teknik Elektro Komputer Dan Informatika 3(2):124. doi: 10.26555/jiteki.v3i2.7470.
Rilo Pambudi, Agung, Garno, and Purwantoro. 2020. “JIP (Jurnal Informatika Polinema) DETEKSI KEASLIAN UANG KERTAS BERDASARKAN WATERMARK DENGAN PENGOLAHAN CITRA DIGITAL.” Jurnal Informatika Polinema 6(4):69–74.
Sani, Khairul, Wing Wahyu Winarno, and Silmi Fauziati. 2016. “Analisis Perbandingan Algoritma Classification Untuk Authentication Uang Kertas (Studi Kasus: Banknote Authentication).” Jurnal Informatika 10(1):1130–39. doi: 10.26555/jifo.v10i1.a3344.
Studi, Program, Teknik Informatika, Fakultas Teknik, and Universitas Mataram. 2020. “189-Article Text-988-1-10-20200715.”
