TA : Sistem Keamanan Rumah Berdasarkan Multiface Recognition Menggunakan Metode Convolutional Neural Network (CNN)

Gultom, Abimas Setyawan (2020) TA : Sistem Keamanan Rumah Berdasarkan Multiface Recognition Menggunakan Metode Convolutional Neural Network (CNN). Undergraduate thesis, Universitas Dinamika.

Preview	Text 15410200059-2020-UNIVERSITASDINAMIKA.pdf - Accepted Version Download (2MB) | Preview
	Text 15410200059-2020-LAMPIRAN.pdf - Accepted Version Restricted to Registered users only Download (2MB)

Search this title on : |

Abstract

Dewasa ini tingkat tindak kriminal semakin meningkat, walau sudah hampir sebagian besar kaum menengah keatas memasang CCTV di setiap sudut rumah, akan tetapi masih terdapat sebuah kekurangan yang cukup fatal yakni pemberitahuan secara langsung kepada pemilik rumah. Tindakan baru bisa dilakukan jika sudah dilakukan identifikasi terhadap rekaman CCTV yang juga memerlukan waktu yang lama. Berdasarkan hal tersebut maka dalam Tugas Akhir ini tergagas sebuah sistem keamanan rumah berdasarkan multiface recognition berbasis Android menggunakan metode CNN. Dalam penerapanya sistem ini akan mampu mengidentifikasi wajah dari anggota keluarga dan yang bukan termasuk. Bilamana objek yang terdeteksi adalah anggota keluarga maka sistem akan mengirimkan Notifikasi ke smartphone user berupa nama, jam dan tanggal saat objek teridentifikasi. Objek dari selain anggota keluarga yang telah ditentukan oleh user bila teridentifikasi oleh kamera maka sistem akan melakukan pengambilan foto terhadap objek dan akan mengirimkan notifikasi beserta jam dan tanggal ke smartphone user, hal ini tentu akan meminimalisir dan pencegahan terhadap terjadinya tindak kriminalitas. Sistem yang dibuat pada penelitian ini menunjukkan bahwa metode Convolutional Neural Network (CNN) memiliki akurasi yang tinggi sebesar 100% dalam melakukan deteksi terhadap objek/wajah manusia berdasarkan 40 kali pengambilan data. Terdapat beberapa perbedaan pada tingkat akurasi, presisi dan recall pada metode Convolutional Neural Network (CNN) yakni, akurasi sebesar 87.5%, presisi sebesar 92.5%, dan recall sebesar 100% berdasarkan 40 kali pengambilan data. Sistem pengiriman notifikasi dengan berbasis Android dan firebase juga bekerja cukup baik dengan presentase keberhasilan dalam mengunggah data berupa data gambar dan string sebesar 100% dan penerimaan notifikasi yang cukup baik dengan presentase keberhasilan 90% dengan berdasarkan pada 20 kali pengambilan data.

Export Record

ASCII Citation Atom BibTeX Dublin Core EP3 XML EndNote HTML Citation JSON METS MODS MPEG-21 DIDL OpenURL ContextObject OpenURL ContextObject in Span RDF+N-Triples RDF+N3 RDF+XML Refer Reference Manager Simple Metadata

Download Statistics

Downloads over the past year. Other digital versions may also be available to download e.g. from the publisher's website.

View more statistics

Actions (login required)

View Item