Vol. 6 No. 2 Tahun 2023 Page | 19
PERANCANGAN ALAT PENDETEKSI NOMINAL PADA UANG KERTAS BERBASIS ARTIFICIAL NEURAL NETWORK UNTUK PENYANDANG TUNANETRA
Berlian Amalia1, Ayu Novia Lisdawati 2
1,2Prodi Teknik elektro, Fakultas Teknik, Universitas Islam Kalimantan MAB Banjarmasin e-mail: [email protected]
Received 31 Oktober 2023 | Revised 31 Oktober 2023| Accepted 31 Oktober 2023
Abstrak - Telah dilakukan penelitian perancangan alat pedeteksi nominal pada uang kertas berbasis artificial neural network untuk penyandang tunanetra.
Penelitian ini bertujuan untuk mengimplementasi dan dan mengukur kinerja artificial neural network pada alat pendeteksi nominal uang kertas berdasarkan nilai RGB. Metode artificial neural network yang digunakan dalam penelitian adalah backpropagation, yaitu metode pelatihan supervised learning, dalam artian mempunyai target yang akan dicari. Ciri dari backpropagation adalah meminimalkan error pada output yang dihasilkan oleh jaringan. dalam metode backpropagation, biasanya digunakan jaringan multilayer, jaringan multilayer yang dimaksud adalah layer yang terdiri dari input layer, hidden layer, output layer.
Berdasarkan dari hasil perancangan dalam penelitian ini Artificial neural network dapat diimplementasikan pada Alat pendeteksi nominal uang kertas berdasarkan nilai RGB dalam bentuk suara dan sudah mampu mendeteksi nominal uang kertas seperti Rp. 1.000, Rp. 2.000, Rp. 5.000 Rp. 10.000 ,Rp. 20.000, Rp.
50.000, Rp. 100.000, serta $1 dollar dengan akurasi rata-rata 88%.
Kata Kunci: Artificial Neural Network, Tuna Netra, Sensor
TCS34725, Arduino Nano
I. PENDAHULUAN
Uang merupakan alat tukar utama yang digunakan oleh setiap manusia di seluruh penjuru dunia dalam melakukan transaksi jual beli barang dan jasa. Oleh sebab itu, uang menjadi barang pokok bagi seluruh manusia, bahkan bagi para penyandang disabilitas seperti tunanetra yang memiliki keterbatasan visual. Bagi manusia normal, melakukan transaksi dengan uang tidak banyak menemui hambatan dan kesulitan.
Namun bagi para penyandang tunanetra yang memiliki keterbatasan visual sering mengalami kesulitan dalam komunikasi sehingga mereka hanya mengandalkan indra peraba dan pendengaran untuk menganalisa segala sesuatu di sekitar mereka. Kelemahan tersebut dapat menyebabkan para tunanetra tidak mampu mengidentifikasi uang, tentu saja hal itu dapat menyebabkan uang tertukar, salah ambil, atau bahkan tertipu pada saat mereka melakukan transaksi (Arrrofiqi, 2018).
Vol. 6 No. 2 Tahun 2023 Page | 20 Berdasarkan permasalahan tersebut
penulis melakukan penelitian berjudul
“Perancangan Alat Pendeteksi Nominal Pada Uang Kertas Berbasis Artificial Neural Network Untuk Penyandang Tunanetra”. Pada penelitian sebelumnya yang dilakukan oleh Melati Asmarita, 2018.
“Perancangan Alat Pendeteksi Nominal Uang Kertas Menggunakan Sensor TCS230 Berbasis Arduino”. Penelitian dilakukan menggunakan mikrokontroler arduino uno, sensor TCS230 dan menggunakan pemrograman C++, objek yang di deteksi adalah nominal pada uang kertas rupiah.
Dari penelitian terdahulu perbedaan penelitian ialah rancangan pada alat pendeteksi nominal uang mengembangkan dengan metode artificial neural network dimana penelitian terdahulu menentukan RGB (Red, Green & Blue) masih manual pada nilai RGB berkisar 0-255, sedangkan pada penelitian ini menggunakan sistem cerdas, sistem dilatih terlebih dahulu dengan pengolahan data yang lebih terstruktur klasifikasi nilai RGB untuk mengenali nilai nominal uang dengan cepat dan tepat. Serta pada penelitian menambahkan nominal uang dollar sebagai objek dengan menggunakan arduino nano, sensor TCS34725, LCD oled, DF player mini, SD card, speaker dan charger.
II. METODE PENELITIAN
Adapun alat dan bahan yang digunakan untuk menjalankan penelitian sebagai berikut :
1. Aplikasi arduino IDE.
2. Uang kertas rupiah & dollar.
3. Arduino nano.
4. Sensor TCS34725.
5. LCD oled.
6. DF player mini & SD card.
7. Speaker & charger.
8. Kabel male-female & switch.
9. Project board & box project.
Perancangan hardware pada penelitian memiliki komponen yang meliputi modul arduino nano, sensor TCS34725, LCD oled, DF player mini, SD card, speaker, charger, kabel male-female, switch, project board & box project. Seperti yang ditunjukkan pada gambar 2.1. berikut.
Gambar 1. Desain Perancangan Hardware.
Seperti terlihat pada gambar 1 di atas, pada charger digunakan sebagai power supply, switch kemudian dihubungkan ke mikrokontroler arduino nano sebagai
Vol. 6 No. 2 Tahun 2023 Page | 21 pengambilan data yang di hubungkan dari
pin D3 dan pin GND, selanjutnya untuk sensor TCS34725 serta LCD oled pada pin VIN, GND, SDA dan SCL di hubungkan dengan pin power 5V, GND, A4 dan A5 pada arduino. Terakhir pin VIN dan GND pada speaker di hubungkan dengan pin VIN, GND pada DF player mini serta pin VIN, GND, RX dan TX di hubungkan dengan pin power 5V, GND, D10 dan D11 pada arduino nano.
Pemprograman arduino nano menggunakan bahasa pemprograman bahasa C++ melalui aplikasi arduino IDE. Pada pemprograman arduio nano menggunakan library arduino nano, sensor TCS34725, LCD oled serta DF player mini dan SD card.
III. HASIL DAN PEMBAHASAN
Alat yang telah dirancang kemudian dilakukan pengujian hardware dan software untuk mengetahui kondisi alat apakah berfungsi dengan baik dan dapat mengetahui alat yang dibuat telah sesuai dengan konsep perancangan. Pada pengujian hardware yang dilakukan yaitu sebagai berikut:
1. Pengujian Arduino Nano
Pengujian arduino nano bisa menggunakan program blink yang ada pada library arduino untuk memastikan arduino nano masih berfungsi dengan baik.
Cara pemeriksaannya ialah upload program blink ke arduino nano melalui aplikasi arduino IDE. Jika pada led arduino nano berkedip maka dipastikan hardware dapat digunakan seperti yang ditunjukkan gambar 3.2 berikut.
Gambar 2. Pengujian Arduino Nano
2. Pengujian LCD Oled
Pengujian LCD oled bisa menggunakan salah satu program library LCD oled, Komunikasi menggunakan dua pin dari arduino nano yakni SCL dan SDA.
Pemeriksaannya jika LCD oled menampilkan hasil pemprograman yang di upload pada aplikasi arduino IDE maka hardware dapat digunakan.
3. Pengujian Sensor TCS34725
Pengujian sensor TCS34725 dapat menggunakan salah satu program library sensor TCS34725 yang ada pada aplikasi arduino IDE, Komunikasi menggunakan dua pin dari arduino nano yakni SCL dan SDA. Cara pengujiannya ialah upload program library sensor TCS34725 ke arduino nano melalui aplikasi arduino IDE.
Jika pada serial monitor muncul
Vol. 6 No. 2 Tahun 2023 Page | 22 pembacaan sensor maka dipastikan
hardware dapat digunakan.
Selanjutnya yakni pengujian pada karakterisasi sensor bisa dilakukan dengan mengupload program arduino untuk mendeteksi nilai RGB pada nominal uang dengan menggunakan push button.
Dengan cara mengarahkan uang ke arah sensor dan menekan tombol push button maka nilai RGB akan secara otomatis dapat di tampilkan pada LCD oled. Hasil pengujian sensor dapat dilihat pada tabel 1 berikut.
Tabel 1. Hasil Pengujian Sensor TCS34725 Time R G B
16:48:35 1960 3170 2924 16:48:39 1839 2938 2620 16:48:42 852 1370 1209 16:48:45 1224 1982 1727 16:48:48 714 1146 982 16:48:52 519 828 679 16:48:56 2063 3267 2885 16:48:59 721 1139 971 16:49:02 1675 2714 2466 16:49:05 996 1582 1367 16:49:08 478 748 607 16:49:10 1822 2939 2681 16:49:13 531 835 684 16:49:26 1812 2912 2666 16:49:29 1984 3202 2930 16:49:34 1838 3035 2746
Dari hasil pengujian pada tabel 1 di atas sensor tersebut berfungsi dengan baik sehingga mampu mendeteksi nilai RGB pada nominal uang.
4. Pengujian DF Player Mini Mp3, SD Card dan Speaker
Pengujian DF player mini mp3 dan speaker menggunakan program library DF player mini yang sudah di install pada aplikasi arduino IDE, jika speaker mampu mengeluarkan suara maka artinya DF player mini mp3 dan speaker berfungsi dengan baik. Untuk pengujian SD card cukup di sambungkan ke laptop untuk menyalin audio pembacaan nominal uang yang sudah dibuat sebelumnya, jika notif SD card muncul pada laptop atinya SD card berfungsi dengan baik.
5. Pengujian Software
Pengujian software menggunakan komunikasi antara program arduino yang di buat dengan hardware yang sudah terpasang. Jika program arduino yang di upload mampu membuat sensor bekerja untuk mendeteksi nilai RGB dengan baik serta mampu membuat DF player mini mp3 dan speaker mengeluarkan suara berdasarkan nominal uang yang terdeteksi oleh sensor TCS43725, maka sudah dapat dipastikan bahwa software sudah berfungsi
Vol. 6 No. 2 Tahun 2023 Page | 23 dengan baik. Program pengujian software
ialah sebagai berikut:
Gambar 3. Program Pengujian Software
Gambar 4. Floating Data RGB Dalam Skala Kecil.
Pada Gambar 4. merupakan floating data nilai RGB yang di buat melalui melalui Google Colab dengan bahasa pemprograman python, bertujuan untuk menyederhanakan data dan dari semua nominal uang yang dideteksi oleh sensor TCS43725 dalam skala kecil. Dimana nilai RGB yang sebelumnya bernilai ribuan dibuat menjadi satuan dengan tujuan untuk mempermudah dalam pengolahan data, meskipun skala diperkecil tidak akan merubah hasil grafik data. Jika sudah dibuat floating data RGB dalam skala kecil
maka dapat dipastikan program artificial neural network dapat berjalan dengan baik.
6. Pengujian Nominal Uang
Gambar 5. Hasil Pengujian Nominal Uang
Pada gambar 5 di atas merupakan hasil penelitian dimana alat dapat mendeteksi nominal uang berdasarkan nilai RGB yang dibaca oleh sensor TCS43725. Pada penelitian berikut sensor TCS43725 dalam mendeteksi nominal uang tidak selalu tepat, dikarenakan adanya faktor pencahayaan yang kurang mendukung, serta warna nominal uang yang mirip membuat sensor dapat mengalami salah prediksi. Seperti nominal uang “Seribu Rupiah” yang di prediksi benar 55 kali, salah prediksi pada nominal uang “Dua Ribu Rupiah” 11 kali, salah prediksi pada nominal uang “Lima Ribu Rupiah” 1 kali, salah prediksi pada nominal uang “Dua Puluh Ribu Rupiah” 1 kali dan salah prediksi pada nominal uang
“Satu Dollar” sebanyak 32 kali dalam 100
Vol. 6 No. 2 Tahun 2023 Page | 24 kali pengujian. Akan tetapi pada nominal
uang “Sepuluh Ribu Rupiah”, sensor TCS43725 mampu mendeteksi dengan benar dalam 100 kali pengujian.
7. Akurasi Alat
Gambar 6. Hasil Akurasi Alat Pada Gambar 6 di atas adalah laporan klasifikasi yang digunakan untuk mengukur kualitas prediksi dari algoritma klasifikasi.
Berapa banyak prediksi yang benar dan ada yang salah. Lebih khusus lagi, True Positives, False Positives, True Negatives, dan False Negatives digunakan untuk memprediksi matrik laporan klasifikasi.
Dari data gambar 3.6 di atas menunjukkan bahwa data dari uang “Seribu” dan “Satu Dollar” memiliki f1-score yang rendah dikarenakan memiliki warna yang hampir mirip dan mengakibatkan sensor salah memprediksi nominal uang. Sehingga hasil dari pengujian alat “Perancangan Alat Pendeteksi Nominal Pada Uang Kertas Berbasis Artificial Neural Network Untuk Penyandang Tunanetra” memiliki nilai average accuracy dari pengujian alat sebesar 88%, dapat disimpulkan bahwa alat penelitian yang sudah dibuat dapat
diimplementasikan ataupun dapat digunakan.
IV. KESIMPULAN
Artificial neural network dapat diimplementasikan pada Alat pendeteksi nominal uang kertas berdasarkan nilai RGB dengan akurasi rata-rata 88%.
DAFTAR PUSTAKA
[1]. Albar, R., & Darmawan, A. (2021).
Alat Deteksi Nominal Uang Kertas Rupiah Bagi Penyandang Tunanetra Berbsasis Arduino Uno. 7(1), 46–55.
[2]. Ali, A. N. (2018). Mengidentifikasi Mutu Buah Tomat Dengan Pengolahan Citra.
[3]. arduino. (2019). Datasheet Arduino Nano Pin Configuration Technical Specifications. 38–45.
[4]. Arif Jumarwanto, Rudy Hartanto, D.
P. (2019). Aplikasi Jaringan Saraf Tiruan Backpropagation Untuk Memprediksi Penyakit THT Di Rumah Sakit Mardi Rahayu Kudus.
Jurnal Teknik Elektro, 1(1), 11.
[5]. Arrrofiqi, M. Y. (2018). Perancangan Alat Pendeteksi Nilai Uang Kertas Rupiah Untuk Penyandang Tunanetra.
[6]. Arsyad, M. (2021). Pendeteksi Kebocoran Gas LPG Menggunakan Sensor Mq-2 Berbasis Internet Of Things (IOT).
[7]. Asmarita, M. (2021). Perancangan Alat Pendeteksi Nominal Uang Kertas Menggunakan Sensor TCS230 Berbasis Arduino. Jurnal
Vol. 6 No. 2 Tahun 2023 Page | 25 Pembangunan Wilayah & Kota, 1(3),
82–91.
[8]. Candrawasih, W. P. (2020). Rancang Bangun Alat Bantu Pendeteksi Nominal Uang Kertas Untuk Tuna Netra Menggunakan Kamera Berbasis Raspberry Pi. 6–18.
[9]. Dwi, A. P. (2019). Alat Deteksi Nominal Uang Kertas Untuk Penyandang Tuna Netra. Teknik Elektro, Alat Penditeksi Nominal
Uang Kertas, 1–12.
https://media.neliti.com/media/public ations/117477-ID-alat-deteksi- nominal-uang-kertas-untuk-p.pdf [10]. Kalsum, U. (2018). Sistem Penyiram
Otomatis Menggunakan Arduino Nano Dan Sensor Moisture Sebagai Pengukur Kelembaban Tanah Tanaman Tomat. Jurnal Pembangunan Wilayah & Kota, 1(3), 82–91.
[11]. Khusniyah, T. W., & Sutikno, S.
(2020). Prediksi Nilai Tukar Petani Menggunakan Jaringan Syaraf Tiruan Backpropagation. Scientific Journal of Informatics, 11–18.
https://doi.org/10.15294/sji.v3i1.497 0
[12]. Kosasi, S. (2021). Penerapan metode jaringan saraf tiruan backpropagation untuk memprediksi nilai ujian sekolah. Jurnal Teknologi, 20–28.
[13]. Kusumaningtyas, S., & Asmara, R. A.
(2019). Identifikasi Kematangan Buah Tomat Berdasarkan Warna Menggunakan Metode Jaringan Syaraf Tiruan (JST). Jurnal Informatika Polinema, 2(2), 72.
https://doi.org/10.33795/jip.v2i2.59
[14]. Lesnussa, Y. A., Latuconsina, S., &
Persulessy, E. R. (2020). Aplikasi Jaringan Saraf Tiruan Backpropagation untuk Memprediksi Prestasi Siswa SMA (Studi kasus:
Prediksi Prestasi Siswa SMAN 4 Ambon). Jurnal Matematika Integratif, 11(2), 149.
https://doi.org/10.24198/jmi.v11i2.94 27
[15]. Prasetya, W. D. (2021). Perancangan Alat Pengukur Suhu Tubuh, Detak Jantung Dan Oksigen Dalam Darah Dengan Mikrokontroler Nodemcu Esp32 Berbasis Web Internet Of Things (IOT).
[16]. Pujiputra, A. P. (2018).
Pengembangan Mesin Pengenal Uang Kertas Rupiah Berbasis Fitur Gabor.
https://repository.its.ac.id/53544/
[17]. Sitanggang, H. (2021). Pembuatan Alat Bantu Jalan Untuk Tunanetra Menggunakan Sensor Ultrasonik Dengan Output Suara. 6.
