Email this article 
Sistem Keamanan Pintu Berbasis Face Recognition Menggunakan Raspberry Pi 3
Abstract
Menurut Badan Pusat Statistik tahun 2021 mengatakan bahwa tingkat kejahatan pencurian pada tahun 2020 di Riau meningkat sebesar 2.730 kasus, oleh sebab itu kasus pencurian dirumah menjadi hal yang sangat sering terjadi. Penyebab terjadinya pencurian tersebut ialah karena banyaknya rumah yang memakai sistem kunci gembok tradisional yang bentuknya kecil. Terdapat banyak solusi yang telah dibuat oleh peneliti terdahulu seperti menggunakan sidik jari, password, sensor PIR, suara, retina dan lain-lain. Namun semua masih terdapat kekurangannya masing-masing. Untuk itu solusi yang diberikan ialah dengan membuat sistem keamanan pintu rumah berbasis face recognition. Face recognition sendiri ialah sebuah teknologi yang dapat mencocokkan wajah manusia dari citra digital atau cuplikan video melalui basis data wajah. Tujuan dari penelitian ini ialah sistem mampu mengidentifikasi wajah pemilik rumah. Sistem berhasil mengirimkan informasi berupa foto, tag nama dan waktu pada aplikasi Bot Telegram grup yang di monitoring oleh anggota keluarga terkait seseorang yang masuk kedalam rumah. Sistem juga berhasil menampilkan pesan teks pada LCD 16x2 untuk memberikan info tag nama seseorang yang sedang mengakses kamera.
Keywords
Full Text:
PDF (Bahasa Indonesia)References
B. P. Statistik, “STATISTIK KRIMINAL 2021,” hal. 248, 2021.
C. F. Rosa, R. Amelia, dan F. Mulyasih, “Sistem Keamanan Pintu Rumah dengan Face Recognition Berbasis Internet of Things,” no. 16040007, 2019.
N. K. Daulay dan M. N. Alamsyah, “Monitoring Sistem Keamanan Pintu Menggunakan Rfid Dan Fingerprint Berbasis Web Dan Database,” Jusikom J. Sist. Komput. Musirawas, vol. 4, no. 02, hal. 85–92, 2019, doi: 10.32767/jusikom.v4i2.632.
P. E. S. Dita, A. Al Fahrezi, P. Prasetyawan, dan Amarudin, “Sistem Keamanan Pintu Menggunakan Sensor Sidik Jari Berbasis Mikrokontroller Arduino UNO R3,” J. Tek. dan Sist. Komput., vol. 2, no. 1, hal. 121–135, 2021.
D. Gultom dan M. F. Susanto, “Studi Aplikasi Smartlock Pada Pintu Rumah Dengan Arduino Berbasis Iot Dengan Sensor Suara,” Pros. Ind. Res. Work. Natl. Semin., vol. 11, hal. 7, 2020.
F. Fauziah, I. I. Tritoasmoro, dan S. Rizal, “Sistem Keamanan Berbasis Pengenalan Suara Sebagai Pengakses Pintu Menggunakan Metode Mel Frequency Cepstral Coefficient (Mfcc),” e-Proceeding Eng., vol. 8, no. 6, hal. 11839–11848, 2021.
F. P. Juniawan dan D. Y. Sylfania, “Prototipe Sistem Keamanan Rumah Menggunakan Kombinasi Sensor Dan Sms Gateway,” J. Teknoinfo, vol. 13, no. 2, hal. 78, 2019, doi: 10.33365/jti.v13i2.304.
F. A. Azhari dan R. Mukhaiyar, “Door Security System Menggunakan Teknologi Biometric Face Recognition,” Ranah Res. J. Multidiscip. Res. Dev., vol. 3, no. 3, hal. 76–84, 2021.
S. Y. Br Girsang, “Pentingnya Regulasi Khusus Tentang Pemanfaatan Sistem Face Recognition Technology Dalam Peningkatan Keamanan Dan Penegakan Hukum Di Indonesia,” J. Huk. dan HAM Wara Sains, vol. 2, no. 10, hal. 996–1005, 2023, doi: 10.58812/jhhws.v2i10.725.
N. Dewi dan F. Ismawan, “Implementasi Deep Learning Menggunakan Cnn Untuk Sistem Pengenalan Wajah,” Fakt. Exacta, vol. 14, no. 1, hal. 34, 2021, doi: 10.30998/faktorexacta.v14i1.8989.
J. Walangitan, S. R. U. A. Sompie, dan X. B. N. Najoan, “Sistem Absensi Pengenalan Wajah Bermasker,” J. Tek. Inform., vol. 19, no. 01, hal. 21–30, 2024, doi: 10.35793/jti.v19i01.51327.
M. Kelvin Difa dan J. Endri, “Implementasi Sistem Pengenalan Wajah Sebagai Automatic Door Lock Menggunakan Modul ESP32 CAM,” PATJou (PATRIA ARTHA Technol. Journal), vol. 5, no. 2, hal. 141–145, 2021.
K. D. Septian, S. J. I. Ismail, dan A. Sularsa, “Prototipe Sistem Keamanan Face Recognition Berbasis Principal Component Analisis ( Pca ),” e-Proceeding Appl. Sci., vol. 5, no. 2, hal. 1340–1349, 2019.
I. M. Bachri dkk., “Implementasi Face Detection dan Penghitungan Jumlah Menggunakan Raspberry Pi 4 dan,” vol. 11, no. 1, hal. 129–132, 2024.
Nuraeni dkk., “Sistem Akses Pintu Berbasis Face Recognition Menggunakan ESP32 Module dan Aplikasi Telegram,” J. Mediat., vol. 4, no. 3, hal. 115, 2021, doi: 10.26858/jmtik.v4i3.23700.
Derisma, “Faktor-Faktor yang Mempengaruhi Sistem Pengenalan Wajah Menggunakan Metode Eigenface pada Perangkat Mobile Berbasis Android,” J. Komput. Terap., vol. 2, no. 2, hal. 127–136, 2016, [Daring]. Tersedia pada: http://jurnal.pcr.ac.id
F. Syuhada, I. G. P. Suta Wijaya, dan F. Bimantoro, “Pengenalan Wajah Untuk Sistem Kehadiran Menggunakan Metode Eigenface dan Euclidean Distance,” J. Comput. Sci. Informatics Eng., vol. 2, no. 1, hal. 64–69, 2018, doi: 10.29303/jcosine.v2i1.74.
B. Hartika, “Face Recognition Menggunakan Algoritma Haar Cascade Classifier Dan Convolutional Neural Network,” J. Math. UNP, vol. 6, no. 3, hal. 12–19, 2021, [Daring]. Tersedia pada: http://ejournal.unp.ac.id/students/index.php/mat/article/view/11954
P. A. Jusia, T. Informatika, dan V. Jones, “Face Recognition Menggunakan Metode Algoritma Viola Jones Dalam Penerapan Computer Vision,” vol. 11, no. 1, hal. 663–675, 2016.
A. Nofiar.Am dan M. Ridwan, “Alat Pendeteksi Ketepatan Penggunaan Masker Berbasis Arduino Menggunakan Bahasa Pemrograman Python,” SATIN – Sains dan Teknol. Inf., hal. 14, 2022.
L. B. Adrianto, M. I. Wahyuddin, dan W. Winarsih, “Implementasi Deep Learning untuk Sistem Keamanan Data Pribadi Menggunakan Pengenalan Wajah dengan Metode Eigenface Berbasis Android,” J. JTIK (Jurnal Teknol. Inf. dan Komunikasi), vol. 4, no. 2, hal. 89, 2021, doi: 10.35870/jtik.v5i1.201.
DOI: http://dx.doi.org/10.22441/fifo.2024.v16i1.005
Refbacks
- There are currently no refbacks.
Jurnal Ilmiah FIFO
 | Print ISSN: 2085-4315 |
|---|---|
| Online ISSN: 2502-8332 |
Sekretariat
Fakultas Ilmu Komputer
Universitas Mercu Buana
Jl. Raya Meruya Selatan, Kembangan, Jakarta 11650
Tlp./Fax: +62215871335
http://publikasi.mercubuana.ac.id/index.php/fifo
e-mail:[email protected]
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
.png)
