IMPLEMENTASI ARSITEKTUR RESNET152 UNTUK KLASIFIKASI UANG KERTAS RUPIAH DENGAN METODE TRANSFER LEARNING

Abstract

Di Indonesia, mata uang resmi yang digunakan adalah Rupiah. Fenomena yang sering terjadi di masyarakat Indonesia adalah kurangnya perhatian dalam mengenali dan merawat uang Rupiah. Uang kertas Rupiah memiliki nilai dan karakteristik yang beragam, terlihat dari variasi ukuran, warna, dan pola pada setiap pecahannya. Keragaman ini bisa menimbulkan kebingungan dalam mengenali uang kertas, sehingga dibutuhkan sistem yang efisien dan akurat untuk membantu masyarakat dalam identifikasinya. Penelitian ini menerapkan teknologi kecerdasan buatan (AI) dengan memanfaatkan jaringan saraf konvolusi (Convolutional Neural Network) menggunakan arsitektur ResNet152 dan metode transfer learning untuk mencapai performa yang lebih optimal. Dengan mengkombinasikan metode transfer learning dan arsitektur ResNet152, hasil pengujian dan evaluasi model menunjukkan performa yang cukup baik. Hal ini terlihat dari visualisasi Kurva Receiver Operating Characteristic (ROC) dan Confusion Matrix. Kurva ROC menampilkan grafik yang stabil pada akurasinya dan grafik penurunan pada loss. Selain itu, hasil evaluasi model dengan confusion matrix menunjukkan nilai True Positive (TP) dan True Negative (TN) lebih besar dibandingkan nilai False Positive (FP) dan False Negative (FN). Dan nilai FP dan FN seluruhnya adalah nol.