Saputra, Hernanda Agung (2018) Deteksi Dan Pengenalan Wajah Sebagai Pendukung Keamanan Menggunakan Algoritme Haar-Classifier Dan Eigenface Berbasis Raspberry Pi. Sarjana thesis, Universitas Brawijaya.
Abstract
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.
English Abstract
One of the things that is inseparable from the progress of technology is security. If you only rely on a security system using human power, sometimes it is also not so effective because people actually have a sense of tired. Due to this research needed to address security. In this study, the system that is created utilizing the face as data security. These systems use Raspberry Pi 3 Model B as a data processing center integrated with webcam Logitech C525 as input, as well as the mikrokontroller Arduino Uno as ultrasonic sensor processing and light. For the LCD, buzzer, and the module SIM800L is used as the output of the system to provide notification in the form of a visual alarm, and SMS. The methods used on these systems is HaarClassfier for face detection, while the Eigenface and Euclidian Distance for face recognition. First the system will retrieve the image captured by the webcam, then used the image of the face detection with Haar-¬ Classifier, if there is an image of a face is detected then the next image are stored. Then the image of a face that has been deposited is calculated by using the Eigenface algorithm. After the facial image of the new weight is obtained, then look for the smallest weight difference image of the new face with the image of the face on the database by using the Euclidian Distance. The results of the smallest difference image of the face with the new database that will determine the output of the system, is similar to one of the image database or not. From the results of testing the accuracy of face detection based on the intensity of light (= morning 25-35 lux, day = 40-50 lux, and night = 10-20 lux) with the distance vary i.e. approximately 40 cm of 100%, at a distance of 60 cm of 91.67%, at a distance of 80 cm of 95.83%, and in distance 100 cm of 87.5%. So the best face detection accuracy is obtained that is at a distance of 40 cm. Results of testing the accuracy of face recognition based on the intensity of light (= morning 25-35 lux, day = 40-50 lux, and night = 10-20 lux) at a distance of 40 cm IE at the time of the morning with the objects in the database of 100% and 75% for objects outside the database. On the time of day with the objects in the database of 100% and 75% for objects outside the database. While at night time with objects in the database of 0% and 100% for objects outside the database. So the obtained total facial recognition accuracy of 75% IE entirely. Systems integration software with the hardware is already good. Presentation error of systems integration is 0%. The average computing time needed in recognizing a face is 0.11536 seconds.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/844/051811368 |
| Uncontrolled Keywords: | raspberry pi 3, arduino-uno, HaarClassfier, Eigenface, Euclidian Distance, face-detection, face-recognition, security |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.4 Computer pattern recognition |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 12 Mar 2019 06:56 |
| Last Modified: | 25 Oct 2021 02:07 |
| URI: | http://repository.ub.ac.id/id/eprint/161767 |
Preview |
Text
Hernanda Agung Saputra.pdf Download (8MB) | Preview |
Actions (login required)
 |
View Item |