Penyandang tunanetra masih mengalami kesulitan dalam mengenali dan menghitung nominal uang kertas Rupiah secara mandiri, terutama ketika terdapat lebih dari satu lembar uang. Penelitian ini bertujuan merancang dan membangun sistem pendeteksi sekaligus penghitung nominal uang kertas Rupiah berbasis YOLOv11 yang diimplementasikan pada Raspberry Pi 5 sebagai alat bantu bagi penyandang tunanetra. Sistem menggunakan kamera untuk menangkap citra uang kertas, kemudian model YOLOv11 melakukan deteksi dan klasifikasi nominal secara real-time. Hasil deteksi selanjutnya dihitung secara otomatis dan dikonversi menjadi keluaran suara menggunakan Piper Text-to-Speech (TTS) sehingga pengguna dapat mengetahui nominal dan total uang secara mandiri. Model dilatih menggunakan 2.740 citra, yang terdiri atas 2.397 data training, 229 data validation, dan 114 data testing. Model hasil pelatihan kemudian dikonversi ke format TensorFlow Lite (TFLite) dengan kuantisasi INT8 agar lebih ringan dan sesuai untuk dijalankan pada Raspberry Pi 5. Hasil evaluasi menggunakan Confusion Matrix menunjukkan nilai Precision tertinggi sebesar 0,941, Recall sebesar 0,889, dan F1-Score sebesar 0,914 pada kelas uang Rp100.000. Selain itu, pengujian Automation Black Box Testing menunjukkan seluruh fungsi sistem berjalan sesuai kebutuhan. Hasil penelitian menunjukkan bahwa sistem mampu mendeteksi, menghitung, dan menyampaikan informasi nominal uang kertas Rupiah secara otomatis, cepat, dan efektif sebagai alat bantu bagi penyandang tunanetra.