Lansia merupakan individu yang telah berusia 60 tahun ke atas, yang umumnya mengalami penurunan fungsi tubuh, termasuk berkurangnya kemampuan penglihatan, termasuk dalam mengenal nominal uang kertas. ketidakmampuan dalam mengenali nominal uang kertas dapat menimbulkan masalah, baik dalam kegiatan transaksi sehari-hari seperti berbelanja. penelitian ini mengembangkan sistem identifikasi nilai nominal mata uang kertas rupiah untuk lansia menggunakan convolutional neural network (cnn) berbasis arsitektur vgg16 dengan fitur text to speech. dataset yang terdiri dari 7 kelas (jenis uang kertas) dengan total 4.200 citra uang kertas diambil dengan menggunakan kamera ponsel, dan kemudian dipisahkan menjadi dua skema anotasi yang masing-masing sebanyak 2.100 citra. skema pertama dilatih berdasarkan nominal uang, sedangkan skema kedua dilatih berdasarkan keseluruhan area uang kertas. pembagian data dilakukan dengan proporsi 70% untuk train, 20% untuk valid, dan 10% untuk test. hasil dari proses pelatihan menunjukkan bahwa skema pertama meraih tingkat akurasi pelatihan sebesar 99,47% dan validasi sebesar 100%, sedangkan skema kedua mencatat 74,37% untuk pelatihan dan 98,45% untuk validasi. penilaian terhadap data uji menunjukkan bahwa skema pertama menghasilkan precision, recall, dan f1-score yang mencapai 100% tanpa adanya kesalahan klasifikasi, sementara skema kedua mencapai angka 99% dengan sedikit kekeliruan pada nominal rp10.000 dan rp20.000. kemudian, pengujian secara realtime yang dilakukan terhadap sepuluh orang lansia menunjukkan bahwa skema pertama lebih baik dalam mengenali uang dengan nilai rp1.000 sampai rp100.000, kecuali untuk rp50.000, sedangkan skema kedua hanya mampu mengenali rp2.000 dan rp10.000 dengan baik. skor system usability scale (sus) yang diperoleh adalah 70,25 yang termasuk dalam kategori “baik”. fitur text to speech beroperasi dengan baik dan dapat menyimpan secara otomatis dalam format mp3. keterbatasan utama adalah ketergantungan cnn standar pada penempatan nominal yang tepat dan kondisi pencahayaan yang sesuai. pengembangan lebih lanjut dengan teknologi deteksi objek seperti yolo atau ssd diperlukan untuk meningkatkan fleksibilitas sistem dalam kondisi penggunaan nyata.

The elderly are individuals aged 60 years and above, who generally experience a decline in body functions, including reduced vision, especially in recognizing the nominal value of banknotes. the inability to recognize the nominal value of banknotes can cause problems in daily transaction activities such as shopping. this research develops a system to identify the nominal value of indonesian rupiah banknotes for the elderly using convolutional neural network (cnn) based on vgg16 architecture with text to speech features. a dataset consisting of 7 classes (types of banknotes) with a total of 4,200 banknote images was taken using a cell phone camera, and then separated into two annotation schemes totaling 2,100 images respectively. the first scheme was trained based on the face value of the banknote, while the second scheme was trained based on the overall area of the banknote. the data division was done with a proportion of 70% for train, 20% for valid, and 10% for test. the results of the training process showed that the first scheme achieved an accuracy rate of 99.47% for training and 100% for validation, while the second scheme recorded 74.37% for training and 98.45% for validation. the test data assessment showed that the first scheme achieved 100% precision, recall, and fl-score without any misclassification, while the second scheme achieved 99% with slight errors on the idr 10,000 and idr20,000 denominations. furthermore, realtime testing with ten elderly people showed that the first scheme was better at recognizing money worth idr1,000 to idr100,000, except for idr50,000, while the second scheme was only able to recognize idr2,000 and idr10,000 well. the system usability scale (sus) score obtained was 70.25 categorized as "good". the text to speech feature operates well and can automatically save in mp3 format. the main limitation is the standard cnn's reliance on proper nominal placement and appropriate lighting conditions. further development with object detection technologies such as yolo or ssd is required to increase the flexibility of the system under real usage conditions.