Sistem Deteksi Wajah Keamanan Pintu Menggunakan Metode Convolutional Neural Network (CNN) Berbasis Arduino

Kiki Wahyuddin; Deden Wahiddin; Dwi Kusumaningrum

Kiki Wahyuddin Universitas Buana Perjuangan Karawang
Deden Wahiddin Universitas Buana Perjuangan Karawang
Dwi Sulistya Kusumaningrum Universitas Buana Perjuangan Karawang

Keywords: Convolutional Neural Network (CNN), Deteksi Wajah, Esp32-Cam

Abstract

Seiring perkembangan teknologi sekarang sangatlah cepat, oleh karena itu penting untuk menyiasati keamajuan teknologi khususnya pada sistem keamanan. Sistem keamanan sudah sangat banyak dikembangkan dan diciptakan oleh manusia untuk mendapatkan hasil yang maksimal agar tidak terjadi pembobolan atau pencurian sistem yang tidak diharapkan. Dalam penelitian ini sistem yang akan digunakan adalah teknologi biometrik pengenalan wajah atau deteksi wajah, yaitu menggunakan ciri-ciri dari fisik manusia menggunakan kamera atau webcam untuk menangkap wajah manusia. Sistem deteksi wajah dirancang untuk mendeteksi wajah seseorang dengan menggunakan metode Convlutional neural network (CNN). Identifikasi wajah yang dilakukan yaitu menangkap fitur-fitur pada wajah seperti posisi yang berbeda, jarak pandang wajah ke kamera dan gaya ekspresi wajah. Hasil pengujian menunjukan sistem dapat mengetahui atau mengenali wajah yang sudah terdaftar dan yang belum terdaftar sesuai harapan yang diinginkan. Sistem deteksi wajah untuk keamanan pintu dengan metode Convlutional neural network (CNN) berbasis arduino, dapat meningkatkan keamanan pintu dengan memperoleh tingkat akurasi sebesar 76,6% dengan jarak maksimal 30cm dalam kondisi pencahayaan terang dan gelap.

References

[1] K. M. Ibrahim and Iwan Krisnadi, “Rancang Bangun Dual Keamanan Sistem.”
[2] S. Subiyanto, D. Priliyana, M. E. Riyadani, N. Iksan, and H. Wibawanto, “Face recognition system with PCA- GA algorithm for smart home door security using Rasberry Pi,” J. Teknol. dan Sist. Komput., vol. 8, no. 3, pp. 210–216, 2020.
[3] I. I. Setiawan, A. Jaenul, and D. Priyokusumo, “Prototipe Sistem Keamanan Rumah Menggunakan Face Recognition Berbasis Raspberry Pi 4,” pp. 496–501, 2020.
[4] A. Santoso and G. Ariyanto, “Implementasi Deep Learning Berbasis Keras Untuk Pengenalan Wajah,” Emit. J. Tek. Elektro, vol. 18, no. 01, pp. 15–21, 2018.
[5] M. I. Nursaid, A. Taqwa, and Sholihin, “Rancang Bangun Sistem Keamanan Pintu Rumah Purwarupa Dengan Scientific Student Journal for Information, Technology and2S3cience ISSN: 2715-2766 Vol. IV No: 1, Januari 2023 Pengenalan Wajah Menggunakan Metode Triangle Facea,” vol. 13, no. 1, pp. 44–48, 2020.
[6] F. Teknologi, D. A. N. Informatika, and U. Dinamika, “Sistem Keamanan Rumah Berdasarkan Multiface Recognition Menggunakan Metode Convolutional Neural Network(Cnn),” 2020.
[7] A. K. Putra and H. Bunyamin, “Pengenalan Simbol Matematika dengan Metode Convolutional Neural Network ( CNN ),” vol. 2, no. November, pp. 426–433, 2020.
[8] F. Andalia and E. B. Setiawan, “Pengembangan Sistem Informasi Pengolahan Data Pencari Kerja Pada Dinas Sosial Dan Tenaga Kerja Kota Padang,” Komputa J. Ilm. Komput. dan Inform., vol. 4, no. 2, pp. 93–97, 2015.
[9] R. H. Fauzan, “Pengujian Keamanan Sistem Informasi Akademik Menggunakan Metode Penetration Testing,” Stud. Kasus Inst. Pertan. Stiper Yogyakarta, 2019.
[10] A. F. Saputra and C. Darujati, “Sistem Presensi Mahasiswa Berbasis Realtime Kamera Metode Klasifikasi Haar,” vol. 9, no. 3, pp. 137–144, 2020.
[11] Islam Nur Alam, “Identifikasi Lahan Kosong Kota Batu Berbasis Citra Google Earth Menggunakan Algoritma Convolutional Neural Network ( Cnn ) Skripsi Oleh : Islam Nur Alam,” 2020.
[12] R Mehindra Prasmatio, B. Rahmat, and I. Yuniar, “Deteksi Dan Pengenalan Ikan Menggunakan Algoritma Convolutional Neural Network,” J. Inform. dan Sist. Inf., vol. 1, no. 2 SE-Articles, pp. 510–521, 2020.
[13] W. S. Eka Putra, “Klasifikasi Citra Menggunakan Convolutional Neural Network (CNN) pada Caltech 101,” J. Tek. ITS, vol. 5, no. 1, 2016.
[14] Dra. Chairisni Lubis and Novario Jaya Perdana, “Sistem Pendeteksian Dan Pengenalan Ekspresi Wajah Dengan Algoritma Yolo Dan Convolutional Neural Network,” SELL J., vol. 5, no. 1, p. 55, 2020.