PROTOTYPE SISTEM FACE RECOGNITION PADA ELEVATOR SEBAGAI AKSES ENTER BERBASIS SINGLE BOARD COMPUTER DENGAN METODE HAAR CASCADE DAN LBPH

Indrawati, Rini (2023) PROTOTYPE SISTEM FACE RECOGNITION PADA ELEVATOR SEBAGAI AKSES ENTER BERBASIS SINGLE BOARD COMPUTER DENGAN METODE HAAR CASCADE DAN LBPH. Diploma thesis, Politeknik Perkapalan Negeri Surabaya.

Text 0919040021 - Rini Indrawati - i Prototype _i Sistem i Face Recognition _i pada Elevator Sebagai Akses i Enter _i Berbasis i Single Board Computer _i dengan Metode i Haar Cascade _i dan LBPH.pdf Restricted to Repository staff only Download (10MB) | Request a copy

Abstract

Saat ini bukan hal sulit menemukan sebuah elevator atau lift. Berbagai gedung perkantoran, apartemen bahkan rumah tinggal sekalipun. Permasalahan yang terjadi adalah seringkali orang-orang yang tidak berkepentingan ikut menggunakan elevator. Sehingga menimbulkan tidak kenyamanan atau bahkan rentan terjadi tindak kriminal pembobolan, pencurian dan kejahatan. Maka dari itu, untuk mengatasi permasalahan tersebut diperlukan sistem keamanan pada akses masuk elevator menggunakan sistem Face Recognition atau pengenalan wajah. Sistem ini menggunakan webcam dan sensor fingerprint sebagai input utama sistem akses masuk elevator dan Single Board Computer sebagai proses sistem sekaligus penyimpanan database Face Recognition dan ID finger. Selain itu sistem ini juga terintegrasi dengan prototype pintu elevator menggunakan Motor DC. Pada penelitian ini penulis menggabungkan dua metode Haar Cascade dan LBPH (Local Binnary Pattern Histogram) untuk membuat sistem yang dapat mengenali wajah seseorang. Pada sistem ini terdapat beberapa proses untuk dapat mengenali wajah seseorang, yaitu: proses deteksi wajah, proses pengambilan dataset, proses pelatihan wajah dan proses pengenalan wajah Proses pengambilan dataset dilakukan secara otomatis, saat sistem sudah mendeteksi adanya wajah manusia dan diambil sebanyak 100 foto untuk setiap satu wajah user dengan dengan berbagai posisi wajah. Selanjutnya sistem akan mengenali wajah benar atau salah. Dari hasil uji coba secara real-time, keberhasilan model pada saat melakukan deteksi dan pengklasifikasian objek memiliki rata-rata nilai confidence sebesar 87% dengan jarak optimal pendeteksian wajah sebesar 30 cm hingga 160 cm dan persentase akurasi sebesar 87.5%. Untuk simulasi elevator lantai 2 dan 3 telah dilakukan secara simulasi menggunakan push button dan ditampilkan pada seven segment.

Actions (login required)

View Item