Uang sangatlah penting bagi semua orang karena merupakan alat tukar yang paling umum digunakan untuk melakukan transaksi. Mekanisme otomasi telah diterapkan pada banyak negara maju mulai dari penjualan rokok, minuman ringan, tiket transportasi massal, bahkan untuk setoran uang tunai. Permasalahan lainnya adalah terutama untuk penyandang tunanetra di Indonesia. Pada kenyataannya, blind code termasuk sulit diakses oleh tunanetra jika uang kertas tidak dalam kondisi baik Oleh karena itu perlu dikembangkan teknologi dalam identifikasi nominal uang kertas supaya dapat meminimalisir suatu kesalahan manusia serta untuk menjadi prototype sebuah teknologi untuk memudahkan identifikasi uang kertas bagi penyandang tunanetra. Dari Uang kertas dapat diambil untuk dijadikan sebuah gambar dengan scan atau foto, selanjutnya di ambil ekstraksi cirinya yaitu berupa warna dan kemudian diolah menggunakan algoritma Modified K-Nearest Neighbour (M-KNN) untuk di identifikasi. Terinspirasi algoritma KNN tradisional, gagasan utama MKNN adalah mengelompokkan sampel uji sesuai dengan tag tetangga mereka. Metode ini adalah jenis tertimbang KNN sehingga bobot ini ditentukan dengan menggunakan prosedur yang berbeda. Prosedur menghitung fraksi tetangga berlabel sama dengan jumlah total tetangga. Dari keseluruhan hasil uji coba, dapat menghasilkan akurasi maksimal 100% dengan k=1 sampai dengan k=4 dan akurasi minimal 76,19% dengan k=29 dan k=30. Dengan hanya mengambil 25% bagian dari sudut kiri atas gambar uang kertas untuk dijadikan sebuah dataset.