Rancang Bangun Sistem Pembayaran Tunai Pada Mesin Penjual Swalayan (Vending Machine)

Prasetyo, Fidelis (2019) Rancang Bangun Sistem Pembayaran Tunai Pada Mesin Penjual Swalayan (Vending Machine). Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
07111440000202-Undergraduate_Theses.pdf

Download (4MB) | Preview

Abstract

Untuk meningkatkan omset penjualan suatu barang tanpa membutuhkan tenaga penjual lebih, dibutuhkan suatu mesin penjual swalayan yang mampu menjual barang secara otomatis. Mesin penjual swalayan terdiri dari sistem pembayaran tunai dan pengeluaran barang yang dijual. Pada tugas akhir ini, telah dikembangkan sistem pembayaran tunai pada mesin penjual swalayan yang mampu menarik dan mendorong uang, merekognisi nominal uang, dan memberikan uang kembalian. Sistem pembayaran tunai yang dibangun pada tugas akhir ini mampu mengenali keautentikan uang kertas rupiah tahun emisi 2016 dengan nominal Rp 10.000,00, Rp 20.000,00, Rp 50.000,00, dan Rp 100.000,00. Metode pengenalan nominal uang berdasarkan citra yang digunakan dalam tugas akhir ini adalah metode Principal Component Analysis (PCA) dan Linear Discriminant Analysis (LDA). Pengujian scanner uang sistem menghasilkan tingkat error 0% pada penarikan uang dan 23,3% pada pendorongan uang. Pengujian kembalian uang yang diimplementasikan menghasilkan tingkat error 20% untuk Rp 10.000,00 dan 15% pada Rp 50.000,00. Pengujian kedua metode pengenalan uang yang digunakan pada tugas akhir ini menghasilkan tingkat akurasi 97,5% untuk metode PCA dan tingkat akurasi 100% untuk metode LDA. Metode LDA kemudian diimplementasikan ke dalam sistem untuk diuji kembali dan diperoleh akurasi hasil pengujian rekognisi nominal citra uang pada sistem adalah 98,3% dari 60 sampel pengujian. Pengujian akhir meliputi pengujian sistem secara keseluruhan dari penarikan uang sampai pengembalian uang. Dari pengujian dapat disimpulkan bahwa sistem dapat bekerja sebagai sistem pembayaran tunai pada mesin penjual swalayan dengan baik. ================================================================================================ To increase the level of sales of an item without requiring more salespeople, a self-service vending machine is needed which able to sell goods automatically. Self-service vending machines consist of a cash payment system and the expenditure of goods sold. In this final project, a cash payment system that has been implemented in the self-service vending machine will be able to receive and return money, recognize money, and provide change. The cash payment system built in this final project is able to recognize the authenticity of 2016 emission rupiah banknotes with nominal values of Rp 10,000.00, Rp. 20,000.00, Rp. 50,000.00 and Rp. 100,000.00. The method of image-based cash recognition used in this final project is the Principal Component Analysis (PCA) and Linear Discriminant Analysis (LDA) method. Testing of system’s money scanner generates a 0% error rate on money withdrawals and 23.3% on money pushing. Testing of the implemented refunds system produces an error rate of 20% for IDR 10,000.00 and 15% at IDR 50,000.00. The testing of the two money recognition methods used in this final project resulted in an accuracy rate of 97.5% for the PCA method and a 100% accuracy rate for the LDA method. The LDA method was then implemented into the system to be re-tested and obtained the accuracy of the nominal image image recognition test on the system was 98.3% based on 60 test samples. The final test includes testing the whole system from withdrawing money to returning money. From the tests, it can be concluded that the system can work well as a cash payment system on a self-service vending machine.

Item Type: Thesis (Undergraduate)
Additional Information: RSE 681.25 Pra r-1 2019
Uncontrolled Keywords: LDA, Mesin Penjual Swalayan, PCA, Rekognisi Nominal Citra Uang.
Subjects: T Technology > TJ Mechanical engineering and machinery > TJ230 Machine design
T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK7871.674 Detectors. Sensors
T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK7872 Electromagnetic Devices
T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK7882.P3 Pattern recognition systems
Divisions: Faculty of Electrical Technology > Electrical Engineering > 20201-(S1) Undergraduate Thesis
Depositing User: Fidelis Prasetyo
Date Deposited: 25 Jun 2021 04:21
Last Modified: 25 Jun 2021 04:21
URI: https://repository.its.ac.id/id/eprint/60629

Actions (login required)

View Item View Item