KLASIFIKASI NOMINAL UANG KERTAS RUPIAH TAHUN EMISI 2017 DENGAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK MENGGUNAKAN MXNET
Abstract
Penerapan teknologi otomasi akan mempermudah aktivitas manusia. Contoh penerapan teknologi otomasi adalah pada proses jual beli dengan mesin sebagai perantaranya. Mesin tersebut bertindak sebagai penjual yang cara kerjanya seperti otak manusia, yaitu harus bisa membaca dan mengenali setiap nominal uang secara cepat dan tepat. Metode CNN adalah salah satu metode deep learning yang mampu melakukan proses ekstraksi fitur dan klasifikasi. Metode ini merupakan neural network yang didahului dengan lapisan konvolusi. Lapisan konvolusi sendiri terdiri dari proses konvolusi dan pooling. Pada penelitian ini, diterapkan algoritma convolutional neural network (CNN) untuk mengklasfikasikan nominal uang kertas. Proses yang dilakukan pada penelitian ini adalah pengumpulan data, proses preprocessing, klasifikasi dan pengujian. Preprocessing dilakukan dengan mengubah ukuran citra menjadi 32x32 dan mengubah citra menjadi grayscale. Klasifikasi dilakukan dengan CNN, dimana untuk mendapatkan akurasi terbaik parameter-parameter yang ada harus diujikan. Selain itu, percobaan juga dilakukan dengan menggunakan ukuran data latih yang beragam untuk melihat pengaruh jumlah data latih terhadap akurasi. Hasil penelitian menunjukkan bahwa ukuran kernel 3x3 untuk konvolusi pertama dan 2x2 untuk konvolusi kedua, jumlah filter 20, jumlah iterasi 50, dan jumlah neuron pada lapisan tersembunyi 17 akan menghasilkan akurasi terbaik sebesar 93,57%.
Collections
- Statistics [899]