RAMADHAN, DANY (2025) RANCANG BANGUN SISTEM KEAMANAN RUANG KANTOR MENGGUNAKAN FACE RECOGNITION. S1 thesis, Universitas Mercu Buana Jakarta.
|
Text (HAL COVER)
01 COVER.pdf Download (598kB) | Preview |
|
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (BAB I)
02 BAB 1.pdf Restricted to Registered users only Download (252kB) |
|
|
Text (BAB II)
03 BAB 2.pdf Restricted to Registered users only Download (385kB) |
|
|
Text (BAB III)
04 BAB 3.pdf Restricted to Registered users only Download (780kB) |
|
|
Text (BAB IV)
05 BAB 4.pdf Restricted to Registered users only Download (675kB) |
|
|
Text (BAB V)
06 BAB 5.pdf Restricted to Registered users only Download (203kB) |
|
|
Text (DAFTAR PUSTAKA)
07 DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (210kB) |
|
|
Text (LAMPIRAN)
08 LAMPIRAN.pdf Restricted to Registered users only Download (456kB) |
Abstract
The increasing role of digital technology in the modern workplace has heightened the demand for advanced and reliable security systems to replace conventional methods. Conventional office security, such as physical keys or access cards, exhibits significant vulnerabilities, including the risks of loss, unauthorized duplication, and a lack of active monitoring. To address these limitations, this research focuses on the design and implementation of a smart, integrated, and responsive door security system utilizing face recognition and Internet of Things (IoT) technologies. This system is architected around a Raspberry Pi 4, serving as the primary processing unit that executes a deep learning-based face recognition algorithm for real-time biometric authentication. Physical access is governed by a Solenoid Lock, actuated via a Relay module. The novelty of this research lies in the integration of two crucial IoT features: a Flask-based web interface that enables administrators to dynamically enroll new users and monitor a live video feed, and a proactive notification system via Telegram that instantly dispatches a visual warning alert if an access attempt by an unrecognized individual is detected. The implementation resulted in a fully functional, end-to-end security system. Quantitative testing revealed excellent real-time performance: the system achieved an average response time of 1.8 seconds from face detection to door unlock for registered users, and 4.2 seconds to dispatch a visual warning notification via the Telegram application for unrecognized users. This research successfully demonstrates that the integration of biometrics, edge computing, and modern web platforms can yield a security solution that is not only significantly more secure but also more accountable and manageable than traditional systems. Kata Kunci: Face Recognition, Security System, Raspberry Pi, Internet of Things (IoT), Smart Lock, Flask. Seiring meningkatnya peran teknologi digital dalam dunia kerja, kebutuhan akan sistem keamanan ruang kantor yang modern dan andal semakin meningkat untuk menggantikan metode konvensional. Hal ini menyebabkan kebutuhan akan sistem keamanan ruang kantor terbarukan menjadi semakin tinggi. Sistem keamanan konvensional untuk ruang kantor, seperti kunci fisik atau kartu akses, memiliki kelemahan signifikan terkait risiko kehilangan, duplikasi, dan ketiadaan pemantauan aktif. Untuk mengatasi keterbatasan ini, penelitian ini bertujuan merancang dan membangun sebuah sistem keamanan pintu pintar, terintegrasi, dan responsif menggunakan teknologi pengenalan wajah (face recognition) dan Internet of Things (IoT). Sistem ini berpusat pada Raspberry Pi 4 sebagai unit pemrosesan utama yang menjalankan algoritma face recognition berbasis deep learning untuk otentikasi biometrik secara real-time. Akses fisik dikendalikan oleh sebuah Solenoid Lock yang diaktifkan melalui modul Relay. Nilai kebaruan dari penelitian ini terletak pada integrasi dua fitur IoT yang krusial yaitu sebuah antarmuka web berbasis Flask yang memungkinkan administrator untuk secara dinamis mendaftarkan wajah pengguna baru dan memantau video secara langsung, serta sebuah sistem notifikasi proaktif melalui Telegram yang secara instan mengirimkan peringatan beserta bukti foto jika terdeteksi upaya akses oleh individu tidak dikenal. Hasil dari implementasi ini adalah sebuah sistem keamanan end-to-end yang berfungsi penuh. Berdasarkan pengujian, sistem menunjukkan performa real-time yang sangat baik, dengan waktu respons rata-rata untuk pengguna terdaftar yaitu 1,8 detik dari wajah terdeteksi sampai kunci pintu terbuka dan 4,2 detik waktu respons rata-rata untuk pengguna yang tidak terdaftar dari wajah terdeteksi hingga mengirimkan notifikasi peringatan visual melalui aplikasi Telegram. Penelitian ini berhasil membuktikan bahwa integrasi antara biometrik, komputasi pada perangkat (edge computing), dan platform web modern dapat menghasilkan solusi keamanan yang tidak hanya jauh lebih aman, tetapi juga lebih akuntabel dan mudah dikelola dibandingkan sistem tradisional. Kata Kunci: Face Recognition, Sistem Keamanan, Raspberry Pi, Internet of Things (IoT), Smart Lock, Flask.
Actions (login required)
 |
View Item |
