Peredaran uang palsu merupakan permasalahan serius yang dapat mengganggu kestabilan ekonomi serta menurunkan tingkat kepercayaan masyarakat terhadap sistem keuangan. Untuk menjawab tantangan tersebut, penelitian ini mengembangkan sistem deteksi uang palsu berbasis kamera ponsel dengan memanfaatkan teknologi pengolahan citra digital dan model Convolutional Neural Network (CNN). Sistem bekerja melalui tiga tahapan utama, yaitu ekstraksi fitur, segmentasi citra, dan analisis tekstur guna mengidentifikasi elemen autentik seperti tanda air, hologram, serta struktur permukaan uang. Model CNN yang digunakan terbukti mampu membedakan uang asli dan palsu dengan akurasi sebesar 83,33% pada data uji, menunjukkan performa klasifikasi yang sangat baik. Penerapan teknik augmentasi citra seperti rotasi, zoom, pergeseran, dan flipping acak turut berkontribusi dalam meningkatkan akurasi model. Selain itu, kualitas dan jarak pengambilan gambar memiliki pengaruh signifikan terhadap akurasi prediksi gambar yang jelas, memiliki pencahayaan memadai, dan diambil dari jarak optimal menghasilkan deteksi yang lebih akurat. Sistem dirancang agar mampu memberikan hasil secara real-time dan tetap optimal meskipun dalam kondisi pencahayaan kurang ideal. Pengujian dilakukan terhadap berbagai variasi citra uang asli dan palsu dari berbagai sudut dan intensitas cahaya. Hasil pengujian menunjukkan bahwa sistem tidak hanya efektif dalam mengenali fitur visual uang, tetapi juga dapat digunakan secara praktis oleh masyarakat dan pelaku usaha sebagai alat bantu deteksi keaslian uang yang efisien dan mudah diakses melalui perangkat ponsel.