Kombinasi Algoritma CRNN dan LLM untuk Pengembangan Aplikasi Pembagian Tagihan Otomatis

Abstract

Sektor penyediaan akomodasi maupun makan minum yang terus berkembang meningkatkan aktivitas pembagian tagihan. Perhitungan nominal secara manual memakan waktu lama serta rentan terhadap kesalahan hitung, terutama pada pembagian beban pajak maupun service charge. Untuk mengatasi masalah tersebut, penelitian ini merancang sebuah aplikasi pembagian tagihan otomatis. Metode yang digunakan mencakup algoritma Convolutional Recurrent Neural Network (CRNN) dengan optimasi Open Visual Inference and Neural Network Optimization Toolkit (OpenVINO) untuk membaca teks dari nota fisik, yang dilatih dari awal menggunakan data sintetis nota berbahasa Indonesia dan dataset CORD sehingga mencapai Word Accuracy Rate (WAR) 89,7%, Character Accuracy Rate (CAR) 95,88%, dan Character Error Rate (CER) 4,12%. Teks mentah tersebut kemudian diproses menggunakan model T5 yang dilatih sendiri (self-hosted) untuk menyusun data pesanan beserta nominal harga serta mendeteksi skema penerapan service charge sebelum maupun sesudah pemotongan pajak, dengan Precision 87,8%, Recall 88,2%, dan F1-Score 88,0%. Sistem dibangun menggunakan kerangka kerja Flutter pada antarmuka aplikasi seluler Android dan iOS, serta FastAPI pada sisi server. Pengujian fungsionalitas menggunakan blackbox testing menunjukkan seluruh 15 skenario berjalan sesuai harapan, sedangkan pengujian usability menggunakan System Usability Scale (SUS) terhadap 42 responden menghasilkan skor rata-rata 98,81 dari 100 (kategori Excellent, grade A).