SISTEM IDENTIFIKASI NOMINAL UANG LOGAM MENGGUNAKAN TENSORFLOW DAN CONVOLUTIONAL NEURAL NETWORK BERBASIS RASPBERRY PI
Abstract
ABSTRAK
Penelitian ini bertujuan mendesain sebuah sistem untuk mendeteksi nominal uang logam dan menampilkan jumlah dari uang yang teridentifikasi menggunakan TensorFlow dan algoritma Convolutional Neural Network. Penelitian terbagi atas dua bagian, yaitu proses pelatihan (training) model dan proses pengujian model. Proses pelatihan model dimulai dari tahapan mengumpulkan dataset berupa 511 gambar dimana 80% dari dataset merupakan citra latih dan 20% dari dataset adalah citra uji. Kemudian tahapan preprocessing yaitu melakukan pelabelan objek pada setiap gambar menjadi 4 kelas yaitu Rp.100, Rp.200, Rp.500 dan Rp.1000. Tahapan terakhir adalah training dataset dimana feeding data TFRecord didapat dari file CSV hasil konversi berkas XML pelabelan gambar. Training dataset dilakukan hingga langkah ke 100.000 dengan menghasilkan loss sebesar 2.5 dan model hasil pelatihan ini diuji pada sistem yaitu Raspberry Pi yang terintegrasi dengan kamera. Pengujian sistem dilakukan dengan menggunakan jumlah objek, jarak kamera, kemiringan kamera, dan kondisi pencahayaan yang bervariasi. Setiap set pengujian dilakukan sebanyak 50 kali untuk mendapatkan hasil yang akurat. Hasil pengujian menunjukan tingkat keberhasilam 100% untuk identifikas 1-3 objek, kemudian menurun secara linear dengan pertambahan jumlah objek. Pengujian jarak dan kemiringan kamera menunjukan jarak ideal antara kamera dan objek adalah 12-16 cm dan posisi kemiringan kamera yang baik adalah 0-20o terhadap bidang mendatar dimana rata-rata 87% dari objek dikenali dengan benar. Hasil pengujian pengaruh kondisi pencahayaan menunjukan sistem berkerja optimal pada kondisi pencahaayaan 120-200 lux.
Kata Kunci: Deep Learning, Deteksi Uang Logam, CNN, TensorFlow, Raspberry Pi
