Penerapan Smart Sistem Dengan Fitur Pengenalan Wajah Pada Brankas

Sanjaya, I Made Dwaja Sanjaya (2024) Penerapan Smart Sistem Dengan Fitur Pengenalan Wajah Pada Brankas. Undergraduate thesis, Politeknik Negeri Bali.

	Text (Full Text) RAMA_36304_2015344040_full.pdf - Accepted Version Restricted to Repository staff only Download (3MB) | Request a copy
	Text (Cover - Bab 1, Bab 5 dan Referensi) RAMA_36304 _2015344040_0017057408_0002057004_part.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (4MB) | Request a copy
	Text (iThenticate) RAMA_36304_2015344040_iThenticate.pdf - Accepted Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Seiring dengan pesatnya perkembangan teknologi dan informasi, keamanan aset dan barang berharga menjadi prioritas utama, dan brankas dengan fitur pengenalan wajah menawarkan solusi inovatif untuk perlindungan tersebut. Penelitian ini mengembangkan sistem smart brankas yang memanfaatkan deep learning dengan Raspberry Pi B+ dan kamera serta algoritma Single Shot Detector (SSD) MultiBox untuk deteksi wajah. Menggunakan dataset 720 gambar wajah dari tiga kelas (Dwaja, Kristina, dan Dede), model dilatih di Google Colabatory dengan MediaPipe Model Maker dan TensorFlow Lite. Sistem ini menunjukkan akurasi, presisi, dan recall masing-masing sebesar 93% dalam mengenali wajah, dengan performa optimal saat wajah tampak dari depan dan pada latar belakang putih dengan intensitas aktivitas rendah, menghasilkan rata-rata confidence sebesar 90,16% dan durasi deteksi 5,71 detik. Sebaliknya, pada latar belakang berwarna dengan intensitas aktivitas tinggi, confidence menurun menjadi 84,78% dengan durasi deteksi 7,91 detik. Untuk memaksimalkan kinerja, disarankan menggunakan latar belakang putih dan minim aktivitas.

Actions (login required)

View Item