Text

PROTOTIPESISTEM KEAMANAN AKSES MASUK RUANGAN BERBASIS FACE RECOGNITION MENGGUNAKAN ALGORITMA DEEP LEARNING

---

Penilaian

---

Sistem keamanan yang sering dipakai biasanya bersifat konvensional, yang mengandalkan prinsip mekanik. Perkembangan pengetahuan dan teknologi juga diiringi dengan modernisasi sistem keamanan. Teknologi keamanan biometrik yang berkembang saat ini, seperti pengenalan sidik jari, pengenalan retina, pengenalan iris, dll, mengharuskan seseorang untuk memposisikan tubuhnya pada posisi tertentu relatif satu sama lain. Dengan perkembangan teknologi yang pesat, pengenalan wajah lebih mudah daripada sistem pengenalan tubuh manusia lainnya seperti sidik jari, iris mata dan DNA. Hal itu dikarenakan tidak memerlukan partisipasi wajib dan dapat menyelesaikan masalah tanpa mempengaruhi kehidupan normal masyarakat. Adapun tujuan dari penelitian ini adalah mengimplementasikan sistem yang memiliki tingkat keamanan tinggi dan modern pada pintu dengan menggunakan algoritma deep learning pada proses pembelajaran untuk mendeteksi dan mengenali wajah secara real-time. Beberapa tahapan yang dilakukan untuk membuat sistem pengenalan berbasis wajah diantaranya; pengambilan citra wajah , pengolahan citra wajah, pelatihan citra menggunakan 3 arsitektur CNN, pengujian model menggunakan data testing, dan pengujian model menggunakan webcam secara real-time. Hasil akurasi terbaik antara 3 arsitektur pelatihan Xception, VGG-16 dan Modifikasi VGG16 secara berturut-turut untuk 100 epoch sebesar 0.9469,0.9971, dan 1.Pada pengujian 3 arstiektur menggunakan 102 data uji diantaranya beruturut-turut sebesar 50%, 97.05% dan 97.05%. Selanjutnya pada pengujian menggunakan 15 responden yang terdiri dari 8 responden yang berada dalam dataset dan 7 tidak dalam dataset akurasi yang dihasilkan sebesar 86.6% . Berdasarkan hasil yang dilakukan selamat penelitian menunjukan model modifikasi VGG-16 dapat mengenali dengan baik dan dapat di implementasikan sebagai sistem keamanan akses masuk ruangan.

---

Availability

Inventory Code	Barcode	Call Number	Location	Status
2307002799	T122616	T1226162023	Central Library (Referens)	Available but not for loan - Not for Loan

Detail Information

Series Title

-

Call Number

T1226162023

Publisher

Inderalaya : Jurusan Teknik Elektro, Fakultas Tenik., 2023

Collation

xiii, 80 hlm.; ilus.; 29 cm

Language

Indonesia

ISBN/ISSN

-

Classification

621.340 7

Content Type

-

Media Type

-

Carrier Type

-

Edition

-

Subject(s)

Jurusan Teknik Elektro
Teknik Magnetik, Elektromagnet

Specific Detail Info

-

Statement of Responsibility

SEPTA

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment