Model Pendeteksi Nominal Uang Kertas Rupiah Menggunakan Teknologi Optical Character Recognition
DOI:
https://doi.org/10.70309/ticom.v12i1.101Keywords:
deteksi uang kertas, optical character recognition, algoritma regular expression, disabilitas netraAbstract
Salah satu aktivitas yang membutuhkan bantuan bagi penyandang disabilitas netra (tunanetra) adalah mengenali nominal mata uang. Keterbatasan penglihatan penyandang disabilitas netra, terutama yang berada pada kondisi mengalami kebutaan total, membuat mereka mengenali nominal uang melalui perabaan. Namun demikian, teknik perabaan untuk mengenali nominal mata uang belum cukup efektif. Penelitian ini bertujuan untuk mengembangkan model aplikasi pendeteksi nominal mata uang kertas Rupiah, dengan menggunakan teknologi Optical Character Recognition (OCR) berbasis algoritma Regular Expression. Sebuah Kamera smartphone berbasis Android difungsikan untuk mengambil gambar uang kertas Rupiah dan mengubahnya menjadi format teks menggunakan teknologi OCR. Algoritma Regular Expression difungsikan untuk mencari pola nominal pada teks yang dihasilkan oleh OCR. Getar Nominal tertentu berdasarkan nilai nominal mata uang yang dideteksi, merupakan bagian dari Output sistem yang menjalankan fungsi getar dari hasil pendeteksian untuk menghasilkan umpan balik ke pengguna. Selanjutnya Fitur Aksesibilitas Talkback pada Android akan menghasilkan Suara Nominal yang terjadi oleh adanya pesan atau Toast yang dihasilkan oleh proses yang akan menghasil Output dan dibaca secara otomatis oleh Fitur Aksesibilitas Talkback. Uji coba sistem menggunakan 21 sampel uang kertas Rupiah, yang terdiri atas uang kertas Rupiah pecahan 100 ribu, 50 ribu, 20 ribu, 10 ribu, 5 ribu, 2 ribu, dan seribu dalam berbagai edisi tahun keluaran. Uji coba melibatkan 10 responden penyandang tunanetra. Hasil pengujian menunjukkan model sistem yang dikembangkan efektif dalam mendeteksi nominal uang kertas rupiah, dengan tingkat akurasi mencapai 100% pada pengujian 210 sampel data seluruh jenis nominal uang kertas Rupiah.
References
A.R. Pratama, M. Mustajib, & A. Nugroho, “Deteksi Citra Uang Kertas dengan Fitur RGB Menggunakan K-Nearest Neighbor”. Jurnal Eksplora Informatika, vol. 9, no. 2, pp. 163-172, 2020.
R. Albar, & A. Darmawan, “Alat Deteksi Nominal Uang Kertas Rupiah & Dollar Bagi Penyandang Tunanetra Berbsasis Arduino Uno”. Journal of Informatics and Computer Science, vol. 7, no. 1, pp. 46-55, 2021.
C. Pranowo, Penerapan Teknologi Augmented Reality pada Aplikasi Pendeteksi Nominal dan Keaslian Uang Indonesia untuk Penyandang Tunanetra (Low Vision) Berbasis Android, Tugas Akhir, STMIK AKAKOM YOGYAKARTA, 2018.
G. Khoharja, L. Liliana, & A.N. Purbowo, “Aplikasi Deteksi Nilai Uang pada Mata Uang Indonesia dengan Metode Feature Matching”. Jurnal Infra, vol. 5, no. 1, pp. 51-55, 2019.
C. Rahmad, R. Rismanto, & F. Dian, “Pengenalan Nilai Mata Uang Kertas Untuk Tunanetra Menggunakan Metode Template Matching Correlation Berbasis Android. In Seminar Informatika Aplikatif Polinema, pp. 73-80, 2019.
A. Hermawan, L. Lianata, & A.R.K. Maranto, “Implementasi Machine Learning Sebagai Pengenal Nominal Uang Rupiah dengan Metode YOLOv3”. SATIN-Sains Dan Teknologi Informasi, vol. 8, no. 1, pp. 12-22, 2022.
Y. Prasetia, B. Buntoro, G. Asrofi, & D. Ariyadi, Penerapan Algoritme Knuth-Morris-Pratt pada Aplikasi Pengenal Karakter Nominal Uang untuk Tunanetra Berbasis Android. Tugas Akhir, Universitas Muhammadiyah Ponorogo, 2021. Retrieved March 15, 2023, from http://eprints.umpo.ac.id/7618/
A. Chaudhuri, K. Mandaviya, P. K. Badelia, S. Ghosh, A. Chaudhuri, K. Mandaviya, & S.K. Ghosh, “Optical character recognition systems (Springer International Publishing, pp. 9-41, 2019.
J. Memon, M. Sami, R.A. Khan, & M. Uddin, “Handwritten optical character recognition (OCR): A comprehensive systematic literature review (SLR)”. IEEE Access, 8, 142642-142668, 2020.
R. Anugrah, &K.B.Y. Bintoro, “Latin letters recognition using optical character recognition to convert printed media into digital format”. Jurnal Elektronika dan Telekomunikasi, vol. 17, no. 2, pp. 56-62, 2020.
S.S.R. Rizvi, A. Sagheer, K. Adnan, & A. Muhammad, “Optical character recognition system for Nastalique Urdu-like script languages using supervised learning”. International Journal of Pattern Recognition and Artificial Intelligence, vol. 33, no. 10, pp. 1953004-1, 1953004-32, 2019.
M.B. Garcia, & J.P. Claour, “Mobile bookkeeper: personal financial management application with receipt scanner using optical character recognition”. In 2021 1st Conference on Online Teaching for Mobile Education (OT4ME), IEEE, pp. 15-20, 2021
J. Hom, J. Nikowitz, R. Ottesen, & J.C. Niland, “Facilitating clinical research through automation: Combining optical character recognition with natural language processing”. Clinical Trials, vol. 19, no. 5, pp. 504-511, 2022.
A. Ade-Ibijola, “Synthesis of Regular Expression problems and solutions”. International Journal of Computers and Applications, vol. 42, no. 8, pp. 748-764, 2020.
D. Normalasari, & I. Afrianto, “Aplikasi Identifikasi Kata Berbasis Optical Character Recognition dan Augmented Reality”. Komputa: Jurnal Ilmiah Komputer dan Informatika, vol. 8, no. 2, pp. 77-85, 2019.
M.R. Toha, & A. Triayudi, “Penerapan Membaca Tulisan Di Dalam Gambar Menggunakan Metode Ocr Berbasis Website (Studi Kasus: e-KTP)”. JST (Jurnal Sains dan Teknologi), vol. 11, no. 1, pp. 175-183, 2022.
