Deteksi Dan Pengenalan Wajah Sebagai Pendukung Keamanan Menggunakan Algoritme Haar-Classifier Dan Eigenface Berbasis Raspberry Pi
| Main Author: | Saputra, Hernanda Agung |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/161767/1/Hernanda%20Agung%20Saputra.pdf http://repository.ub.ac.id/161767/ |
Daftar Isi:
- Salah satu hal yang tidak terlepas dari kemajuan teknologi adalah keamanan. Jika hanya mengandalkan sistem keamanan menggunakan tenaga manusia, terkadang hal tersebut juga tidak begitu efektif karena manusia sejatinya juga mempunyai rasa lelah. Dikarenakan hal tersebut maka dibutuhkan penelitian untuk mengatasi permasalahan kemanan tersebut. Dalam penelitian ini, sistem yang dibuat memanfaatkan wajah sebagai data keamanan. Sistem ini menggunakan Raspberry Pi 3 Model B sebagai pusat pengolahan data yang diintegrasikan dengan webcam Logitech C525 sebagai input, serta mikrokontroller Arduino Uno sebagai pemroses sensor ultrasonik dan cahaya. Untuk buzzer, LCD, dan modul SIM800L digunakan sebagai output dari sistem untuk memberikan notifikasi berupa alarm, visual dan SMS. Metode yang digunakan pada sistem ini adalah HaarClassfier untuk deteksi wajah, sedangkan Eigenface dan Euclidian Distance untuk pengenalan wajah. Pertama sistem akan mengambil citra yang ditangkap oleh webcam, selanjutnya digunakan deteksi citra wajah dengan Haar- Classifier, jika terdeteksi ada citra wajah maka selanjutnya citra tersebut disimpan. Kemudian citra wajah yang telah disimpan tersebut dihitung dengan menggunakan algoritme Eigenface. Setelah bobot citra wajah baru tersebut didapatkan, selanjutnya dicari selisih bobot terkecil citra wajah baru dengan citra wajah pada database dengan menggunakan Euclidian Distance. Hasil selisih terkecil citra wajah baru dengan database yang akan menentukan output dari sistem, apakah mirip dengan salah satu citra database atau tidak. Dari hasil pengujian akurasi deteksi wajah berdasarkan intensitas cahaya (pagi = 25-37 lux, siang = 40-55 lux, dan malam = 10-21 lux) dengan jarak berbeda beda yaitu pada jarak 40cm sebesar 100%, pada jarak 60cm sebesar 91,67%, pada jarak 80cm sebesar 95,83%, dan pada jarak 100cm sebesar 87,5%. Sehingga didapatkan akurasi deteksi wajah terbaik yaitu pada jarak 40 cm. Hasil akurasi pengujian pengenalan wajah berdasarkan intensitas cahaya (pagi = 25-37 lux, siang = 40-55 lux, dan malam = 10-21 lux) pada jarak 40 cm yaitu pada waktu pagi hari dengan objek dalam database sebesar 100% dan 75% untuk objek diluar database. Pada waktu siang hari dengan objek dalam database sebesar 100% dan 75% untuk objek diluar database. Sedangkan pada waktu malam hari dengan objek dalam database sebesar 0% dan 100% untuk objek diluar database. Sehingga didapatkan total akurasi pengenalan wajah seluruhnya yaitu sebesar 75%. Integrasi sistem software dengan hardware sudah baik. Presentasi error dari integrasi sistem adalah 0%. Waktu rata-rata komputasi yang dibutuhkan dalam mengenali wajah adalah sebesar 0.11536 detik.