FAUZI, MUHAMMAD (2017) RANCANG BANGUN DOOR LOCK FACE RECOGNITION DENGAN METODA EIGENFACES MENGGUNAKAN OPENCV2.4.9 DAN TELEGRAM MESSENGER PADA RASPBERRY PI. S1 thesis, Universitas Mercu Buana Jakarta.
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (HAL COVER)
HAL COVER.pdf Download (241kB) |
|
Text (ABSTRAK)
ABSTRAK..pdf Download (18kB) |
|
Text (BAB I)
BAB I.pdf Restricted to Registered users only Download (82kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (651kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (851kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (635kB) |
|
Text (BAB V)
BAB V.pdf Restricted to Registered users only Download (64kB) |
|
Text (DAFTAR PUSTAKA)
DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (130kB) |
Abstract
Saat ini terdapat dua cara yang digunakan untuk membuka pintu, yaitu cara manual dan cara auto. Cara manual yaitu cara yang biasa kita gunakan untuk membuka dengan menyentuh pintu secara langsung, sedangkan cara auto adalah dengan menggunakan computer vision maupun penggunaan sensor lain. Salah satu cara yang dapat digunakan dalam computer vision adalah pengenalan wajah. Sudah banyak metoda yang dapat digunakan untuk melakukan proses tersebut diantaranya adalah Eigenface dan Fisherface. Pada penelitian ini, penulis akan menggunakan metode Eigenface untuk diterapkan pada sistem pembuka pintu otomatis, juga terdapat interaktif mengetahui status pintu sedang tebuka dan tertutup ataupun ingin membuka dan menutup pintu dengan menggunakan aplikasi Telegram messenger. Penelitian ini menggunakan Python sebagai bahasa pemograman dan Raspberry Pi untuk menyimpan database wajah dengan menggunakan library OpenCV2.4.9 serta untuk mengendalikan komponen hardware. Database yang digunakan terdiri atas 10 foto wajah dan 2 sub folder positif, masing-masing diambil dari 10 posisi wajah terhadap kamera. Berdasarkan hasil perancangan, implementasi dan pengujian yang dilakukan, maka penulis dapat menarik kesimpulan bahwa perancangan alat pembuka pintu dengan identifikasi wajah ini dapat mengetahui siapa yang diperbolehkan untuk membuka pintu, sehingga orang lain tidak bisa membuka pintu untuk menghindari tindak pencurian, dan juga dapat mengetahui status pintu sedang terbuka dan tertutup ataupun ingin membuka dan menutup pintu dengan mengirim chat Telegram. Pengujian pengiriman data photo rata rata pengiriman informasi ke Telegram penulis 3.712 detik, pengujian sistem chat interaktif Bot Telegram messenger rata rata waktu respon feedback Telegram ke penulis 3.786 detik. Penulis menggunakan batas treshold sebesar 2500, dengan rata rata pembacaan batas treshold wajah penulis yang diterima sistem sebesar 2214.101. Kata kunci : Raspberry Pi, Eigenfaces, Computer vision, OpenCV, Face Recognition.
Actions (login required)
 |
View Item |
