DETAIL KOLEKSI

Sistem brankas menggunakan pengenalan wajah berbasis Raspberry PI

5.0


Oleh : Nikko Prasetyo

Info Katalog

Penerbit : FTI - Usakti

Kota Terbit : Jakarta

Tahun Terbit : 2021

Pembimbing 1 : Ferrianto Gozali

Subyek : Human face recognition (Computer science)

Kata Kunci : face recognition, raspberry pi, viola jones,

Status Posting : Published

Status : Lengkap


File Repositori
No. Nama File Hal. Link
1. 2021_TA_STE_062001600031_Halaman-Judul.pdf
2. 2021_TA_STE_062001600031_Lembar-Pengesahan.pdf
3. 2021_TA_STE_062001600031_Bab-1_Pendahuluan.pdf
4. 2021_TA_STE_062001600031_Bab-2_Tinjauan-Pustaka.pdf
5. 2021_TA_STE_062001600031_Bab-3_Metodologi-Penelitian.pdf
6. 2021_TA_STE_062001600031_Bab-4_Analisis-dan-Pembahasan.pdf
7. 2021_TA_STE_062001600031_Bab-5_Kesimpulan-dan-Saran.pdf
8. 2021_TA_STE_062001600031_Daftar-Pustaka.pdf
9. 2021_TA_STE_062001600031_Lampiran.pdf

W Wajah manusia dapat digunakan dalam face recognition untuk meningkatkan keamanan brankas karena setiap manusia memiliki fitur-fitur wajah yang berbeda-beda. Salah satu tugas dari face recognition adalah dimanfaatkan agar dapat membandingkan wajah pada image dengan wajah yang telah disimpan di dataset, agar identitas pemilik wajah dapat diketahui. Skripsi ini memiliki tujuan yaitu mengimplementasikan face recognition berbasis Raspberry Pi pada sistem brankas untuk meningkatkan keamanan brankas. Penelitian ini menggunakan Raspberry Pi dikarenakan memiliki kemampuan pemrosesan yang cukup dan memiliki modul yang mempermudah penelitian. Raspberry Pi menggunakan Linux sebagai sistem operasi, yang memiliki akses ke sejumlah besar perpustakaan dan aplikasi kompatibel dengannya [1]. Dari sekian banyak metode-metode yang telah diaplikasikan untuk deteksi wajah, metode yang dipakai untuk penelitian ini adalah metode Viola Jones. Dari hasil penelitian ini, dapat diperoleh nilai keberhasilan sebesar 60%. Nilai ini diperoleh dari setelah melakukan percobaan sebanyak 40 kali, yang berhasil dideteksi oleh sistem sebanyak 24 kali. Hasil akhir menunjukkan bahwa intensitas cahaya sangat mempengaruhi peforma dari sistem. Intensitas cahaya yang bernilai 8 Lux memiliki tingkat akurasi sebesar 30 %, sedangkan yang bernilai 40 Lux memiliki tingkat akurasi sebesar 90%.

T The human face can be used for face recognition in order to increase the level of security of a safe deposit box because every person has his/her facial characteristics that have similarities with one another. One of the tasks for face recognition is to compare the face in real-time to the ones in the dataset so that the owner can be verified. This final project aims to implement face recognition based using Raspberry Pi to increase the level of security of the safe deposit box system design. This study uses the Raspberry Pi 3B+ because it has sufficient processing capabilities and has a few pre-built modules that make researching this less difficult. Raspberry Pi uses Linux as the operating system, which has access to a large number of libraries and applications compatible with it [1]. Of the many methods used for face detection, in this final project the Viola-Jones method is being used. From the result of this research, the success rate that was obtained is 60%. This number was obtained after 40 trials, the system was able to detect as much as 24 times [2]. The final results shows that the light intensity greatly affects the performance of the system. The light intensity of 8 Lux has an accuracy rate of 30%, while the 40 Lux has an accuracy rate of 90%.

Bagaimana Anda menilai Koleksi ini ?