PENDETEKSIAN NOMINAL UANG PADA GAMBAR MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK: INTEGRASI METODE PRA-PEMROSESAN CITRA DAN KLASIFIKASI BERBASIS CNN

Muhamad Malik Ibrahim, Reni Rahmadewi, Lela Nurpulaela
{"title":"PENDETEKSIAN NOMINAL UANG PADA GAMBAR MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK: INTEGRASI METODE PRA-PEMROSESAN CITRA DAN KLASIFIKASI BERBASIS CNN","authors":"Muhamad Malik Ibrahim, Reni Rahmadewi, Lela Nurpulaela","doi":"10.36040/jati.v7i2.6863","DOIUrl":null,"url":null,"abstract":"Uang adalah seperti yang kita bayangkan, yaitu suatu benda yang dapat ditukarkan dengan benda lain, dapat digunakan untuk menilai benda lain, dan dapat kita simpan. Perkembangan AI saat ini juga sangat penting dalam perkembangannya yang begitu pesat masih dapat banyak terjadi kemungkinan pemalsuan atau tindak kejahatan lain dalam memanipulasi uang oleh karena itu kita juga dapat menerapkan AI tersebut untuk kita aplikasikan dalam proses pendeteksian nominal uang secara otomatis. Dalam penelitian ini akan dirancang sebuah system pendeteksian uang kertas pada sebuah citra menggunakan arsitektur deep learning Convolutional Neural Network (CNN) dengan integrasi pra-pemrosesan citra menggunakan teknik anotasi user-based manual labeling code program python. Oleh karena itu dengan menggunakan metode CNN akan dilakukan pengujian sehingga inputan citra uang dapat dideteksi nominal uang tersebut. Hasil dari pengujian menggunakan sejumlah 1076 sample dataset uang kertas dengan 8 denominasi uang dengan hasil pengujian dengan menggunakan 10 citra berbeda dengan setiap angel dan posisi uang kertas berbeda setiap denominasi uang menunjukan angka rerata 57.5% menunjukan angka yang baik dan pengulangan proses deteksi akan menunjukan probabilitas output proses yang sama. Terjadi nilai akurasi tinggi di beberapa denominasi uang sehingga dapat disimpulkan metode anotasi labeling diperkirakan kurang efektif.","PeriodicalId":329787,"journal":{"name":"JATI (Jurnal Mahasiswa Teknik Informatika)","volume":"29 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-09-24","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"JATI (Jurnal Mahasiswa Teknik Informatika)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.36040/jati.v7i2.6863","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Uang adalah seperti yang kita bayangkan, yaitu suatu benda yang dapat ditukarkan dengan benda lain, dapat digunakan untuk menilai benda lain, dan dapat kita simpan. Perkembangan AI saat ini juga sangat penting dalam perkembangannya yang begitu pesat masih dapat banyak terjadi kemungkinan pemalsuan atau tindak kejahatan lain dalam memanipulasi uang oleh karena itu kita juga dapat menerapkan AI tersebut untuk kita aplikasikan dalam proses pendeteksian nominal uang secara otomatis. Dalam penelitian ini akan dirancang sebuah system pendeteksian uang kertas pada sebuah citra menggunakan arsitektur deep learning Convolutional Neural Network (CNN) dengan integrasi pra-pemrosesan citra menggunakan teknik anotasi user-based manual labeling code program python. Oleh karena itu dengan menggunakan metode CNN akan dilakukan pengujian sehingga inputan citra uang dapat dideteksi nominal uang tersebut. Hasil dari pengujian menggunakan sejumlah 1076 sample dataset uang kertas dengan 8 denominasi uang dengan hasil pengujian dengan menggunakan 10 citra berbeda dengan setiap angel dan posisi uang kertas berbeda setiap denominasi uang menunjukan angka rerata 57.5% menunjukan angka yang baik dan pengulangan proses deteksi akan menunjukan probabilitas output proses yang sama. Terjadi nilai akurasi tinggi di beberapa denominasi uang sehingga dapat disimpulkan metode anotasi labeling diperkirakan kurang efektif.
图片上的公称货币检测使用了神经连接网络:CNN基于图像前处理方法和分类的集成
正如我们想象的那样,钱是一种可以与其他物体交换的东西,可以用来评估其他事物,并可以储存它。目前的人工智能发展在如此迅速的发展中也非常重要,因此,在自动面值检测过程中,可能会有伪造或其他犯罪行为,因此我们也可以将其应用于人工智能。本研究将在一个名为“深度学习转换网络”的系统上设计出一个名为“深度学习转换网络”(CNN)的系统,该系统采用了用户名python程序的试点分析技术,进行图像前处理技术。因此,通过CNN的方法,将进行测试,以便记录货币的真实形象。使用一些1076样品数据集测试的结果与测试结果8钱面额纸币用10个不同的形象与每一位天使和每个面额纸币不同位置的钱平均57。5%展示数字显示好和重复同样的概率会显示输出检测过程。一些货币面值有很高的精确度,因此可以推断出一种标签标签法被认为是无效的。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信