Record Details

Perancangan Sistem Pengamanan Ganda pada Brankas menggunakan Convolutional Neural Network berbasis Raspberry Pi

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

View Archive Info
 
 
Field Value
 
ISSN 2548-964X
 
Authentication Code dc
 
Title Statement Perancangan Sistem Pengamanan Ganda pada Brankas menggunakan Convolutional Neural Network berbasis Raspberry Pi
 
Added Entry - Uncontrolled Name Alfiandi, Muhamad Fauzan
Utaminingrum, Fitri
Widasari, Edita Rosana
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
 
Summary, etc. Pada kehidupan manusia, salah satu hal yang terpenting adalah keamanan. Keamanan adalah hal yang bekerja untuk mencegah, melindungi suatu aset atau barang fisik maupun digital yang kita miliki dari pencurian atau kehilangan. Berdasarkan dari data Kepolisian Republik Indonesia Daerah Bappeda Yogyakarta, jumlah kasus pencurian pada tahun 2021 mencapai 1219 kasus. Oleh karena itu, adanya sistem pengamanan diperlukan sebagai upaya untuk menjaga dari pencuri. Keamanan yang umum digunakan untuk benda fisik adalah brankas. Kemajuan teknologi dan terutama di bidang perangkat keras mendorong manusia untuk membantu, mempermudah serta mengatasi permasalahan. Teknologi yang sedang berkembang saat ini adalah teknologi mikrokontroler. Mikrokontroler berfungsi untuk melakukan pemrosesan digital dan dapat dibuat perintah dengan program sesuai yang kita inginkan. Kemajuan teknologi dapat dikaitkan dengan bidang keamanan seperti pengenalan wajah secara biometric. Pengenalan wajah ini sistem dapat mengenali wajah seseorang. Untuk membuat suatu keamanan mencegah pencurian, penelitian ini menggunakan dua keamanan pada brankas yaitu angka PIN dan deteksi wajah. Menerapkan metode deep learning Convolutional Neural Network untuk deteksi wajah sehingga sistem dapat mendeteksi wajah bukan pemilik brankas dan harus memasukkan kombinasi angka PIN agar brankas terkunci dengan memanfaatkan kunci solenoid. Hal ini bertujuan untuk menciptakan brankas keamanan ganda tanpa resiko kehilangan kunci. Dari hasil pengujian yang dilakukan, sistem dapat mendeteksi objek yaitu wajah pemilik brankas dengan akurasi yaitu 83%, presisi yaitu 81%, recall 86% dengan waktu komputasi yaitu 8,19 detik, keberhasilan input angka PIN yaitu 100% dan pada tahap pengujian hasil integrasi deteksi wajah dan keypad terhadap kunci solenoid mendapatkan keberhasilan yaitu 100%.
 
Publication, Distribution, Etc. Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya
 
Electronic Location and Access application/pdf
http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/11597
 
Data Source Entry Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer; Vol 6 No 9 (2022): September 2022
 
Language Note ind
 
Terms Governing Use and Reproduction Note Hak Cipta (c) 2022 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
 


www.freevisitorcounters.com