Sistem Keamanan Rumah Melalui Pengenalan Wajah Dengan Webcam Berbasis Raspberry Pi4
Abstract
Dalam memanfaatkan dunia teknologi telah banyak inovasi pengembangan di dalam kehidupan sehari-hari yang sering kita temui, terutama dibidang rumah pintar. Dalam penelitian ini, peneliti melakukan pengembangan sistem doorcam dengan metode Local Binary Pattern Histogram (LBPH) untuk Face Recognition yang berfungsi untuk pengenalan dan menggunakan algoritma Haar Cascade Classifier untuk proses pendeteksian wajah serta menggunakan sensor Passive Infra Red (PIR) untuk mengetahui seseorang datang bertamu ke rumah serta aktifitas lainnya. Tujuan penelitian ini untuk mengetahui siapa yang datang ke rumah, apakah dikenali pemilik rumah atau orang asing yang kemudian sistem akan mengirimkan notifikasi hasil tangkapan kamera ke pemilik rumah lewat aplikasi internet messaging telegram. Sistem ini memanfaatkan perangkat Raspberry Pi4 yang nantinya akan dihubungkan dengan Kamera dan Telegram pada prototype doorcam. Disamping itu sistem dapat mengirimkan pesan telegram ke pemilik rumah dengan Text To Speech serta selenoid door untuk membuka dan menutup pintu rumah melalui jaringan internet messaging. Dari hasil pengujian yang dilakukan bila sensor PIR mendeteksi suatu gerakan akan mengaktifkan doorcam untuk mengenali bentuk wajah di kenal atau tidak, bila wajah dikenal umaka sistem akan mengaktifkan solenoid doorlock untuk membuka pintu. Bila wajah tidak dikenal sistem akan melakukan pengambilan gambar yang hasilnya akan dikirim ke aplikasi telegram.
In utilizing the world of technology, there have been many development innovations in everyday life that we often encounter, especially in the field of smart homes. In this study, researchers developed a doorcam system using the Local Binary Pattern Histogram (LBPH) method for Face Recognition which functions for recognition and uses the Haar Cascade Classifier algorithm for the face detection process and uses a Passive Infra Red (PIR) sensor to find out if someone has come to visit you. home and other activities. The purpose of this study was to find out who came to the house, whether the owner recognized the house or a stranger, and then the system would send notifications captured by the camera to the home owner via the telegram internet messaging application. This system utilizes the Raspberry Pi4 device which will later be connected to the Camera and Telegram on the doorcam prototype. Besides that, the system can send telegram messages to homeowners with Text To Speech and selenoid doors to open and close the door of the house via the internet messaging network. From the results of tests carried out, if the PIR sensor detects a movement, it will activate the doorcam to recognize the shape of a familiar face or not, if the face is recognized, the system will activate the doorlock solenoid to open the door. If the face is not recognized, the system will take a picture, the results of which will be sent to the Telegram application.
Keywords
Full Text:
PDFReferences
F. Martunus, “Implementasi face recognition dengan opencv pada ‘smart CCTV’ untuk keamanan brankas berbasis IoT.” Fakultas Sains dan Teknologi Universitas Islam Negeri Syarif Hidayatullah …, 2020.
R. Slamet, F. A. Rakhmadi, and L. Awaludin, “Rancang Bangun Alat Deteksi Penyusup Menggunakan Kamera, Raspberry PI 4 Model B dan OpenCV 4,” Sunan Kalijaga J. Phys., vol. 3, no. 1, pp. 19–27.
S. Sutarti, S. Samsuni, and I. Asseghaf, “Sistem Keamanan Rumah melalui Pengenalan Wajah Menggunakan Webcam dan Library Opencv Berbasis Raspberry Pi,” J. Din. Inform., vol. 8, no. 2, pp. 13–26, 2019.
B. Benny et al., “Sistem Pengamanan Pintu Rumah Dengan Raspberry Pi Berbasis Internet of Things,” J. Ilm. Core IT Community Res. Inf. Technol., vol. 10, no. 1, 2022.
S. G. Anggraeni, “Pengembangan Sistem Doorcam Berbasis Mini Pc Raspberry Pi.” Universitas Komputer Indonesia, 2018.
F. M. Alwy, “Masker Detektor Sebagai Hak Akses Pintu Masuk Gedung B Politeknik Harapan Bersama Menggunakan Web Camera Berbasis Raspberry PI.” Politeknik Harapan Bersama Tegal, 2021.
R. S. Anwara, T. Hasanuddina, and S. M. Abdullah, “Sistem Keamanan Pintu Asrama Berbasis Pengenalan Wajah dengan Algoritma Haar Cascade,” Bul. Sist. Inf. dan Teknol. Islam ISSN, vol. 2721, p. 901, 2022.
W. Ariansyah, D. N. Ilham, and R. A. Candra, “Opening Doors Using Internet Of Things (IoT) Based Face Recognition,” Brill. Res. Artif. Intell., vol. 1, no. 2, 2021.
M. N. Baay, A. N. Irfansyah, and M. Attamimi, “Sistem Otomatis Pendeteksi Wajah Bermasker Menggunakan Deep Learning,” J. Tek. ITS, vol. 10, no. 1, pp. A64–A70, 2021.
M. Hernanda and E. A. Yulanda, “Rancang Bangun Sistem Pendeteksi Masker dan Suhu Tubuh Sebagai Kontrol Akses Masuk Ruangan Berbasis Raspberry Pi 4 Model B,” Pros. SEINTEK Univ. Pamulang, vol. 1, no. 2, pp. 356–370, 2022.
M. Nabila, R. Idmayanti, and I. Rahmayuni, “Deteksi Wajah Bermasker Menggunakan Webcam dan AWS EC2 Berbasis Raspberry Pi,” JITSI J. Ilm. Teknol. Sist. Inf., vol. 2, no. 4, pp. 124–133, 2021.
A. P. P. Prasetyo, “Sistem Pemilah Sampah Organik Berbasis Raspberry Pi Menggunakan Klasifikasi CNN,” SISFOTENIKA, vol. 13, no. 1, pp. 76–90, 2023.
I. K. Putra, F. Dewanta, and S. Astuti, “Sistem Pintu Gerbang Otomatis Menggunakan Deep Learning Object Detection,” eProceedings Eng., vol. 9, no. 6, 2023.
R. I. Ramadhan, H. Fitriyah, and E. R. Widasari, “Sistem Deteksi Daun Busuk pada Pakcoy Hidroponik menggunakan Metode Thresholding pada Warna Hue dan Saturasi berbasis Raspberry Pi,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 7, no. 2, pp. 554–563, 2023.
A. Sintawati, I. Windarti, and I. Baihaqi, “Prototipe Sistem Keamanan Pintu Inkubator Bayi melalui Pengenalan Wajah menggunakan Kamera Web dan OpenCV berbasis Raspberry Pi. Techno. Com, 21(3), 579-595.,” J. Minfo Polgan, vol. 12, no. 1, pp. 1293–1305, 2023.
N. Rahmat and M. Rasmila, “Implementasi Raspberry Pi 3 pada sistem pengontrol lampu berbasis Raspbian Jessie,” Implementasi Raspberry Pi 3 pada Sist. Pengontrol Lampu Berbas. Raspbian Jessie, 2022.
DOI: https://doi.org/10.37905/jjeee.v6i1.21714
Refbacks
- There are currently no refbacks.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Published by:
Electrical Engineering Department
Faculty of Engineering
State University of Gorontalo
Jenderal Sudirman Street No.6, Gorontalo City, Gorontalo Province, Indonesia
Telp. 0435-821175; 081340032063
Email: redaksijjeee@ung.ac.id/redaksijjeee@gmail.com
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.