Face Recognition Untuk Sistem Pengaman Rumah Menggunakan Metode HOG dan KNN Berbasis Embedded

##plugins.themes.bootstrap3.article.main##

Bagus Septian Aditya Wijayanto Fitri Utaminingrum Issa Arwani

Abstrak

Sistem keamanan rumah merupakan salah satu fitur yang wajib dimiliki dan diperhatikan bagi setiap pemilik rumah yang ingin memiliki rumah yang aman dari pencurian dan terhindar dari gangguan keamanan lain yang tidak diinginkan. Sehingga dibutuhkan sistem pendukung yang mampu menambah keamanan rumah. Dalam penelitian ini, sistem yang dibuat memanfaatkan wajah sebagai data keamanan. Sistem ini menggunakan webcam sebagai pengambil citra wajah dan diintegrasikan dengan Raspberry Pi. Sistem ini akan menerapkan fitur buzzer, LED, solenoid door lock dan modul SIM800L sebagai output dari sistem. Sistem ini menggunakan HaarClassifier untuk mendeteksi wajah, selanjutnya Histogram of Oriented Gradient dan k-Nearest Neighbor untuk pengenalan wajah. Pertama sistem akan mengambil citra yang ditangkap oleh webcam, selanjutnya digunakan deteksi citra wajah dengan ­Haar-Classifier, selanjutnya citra wajah akan diekstraksi fiturnya menggunakan HOG. Setelah didapatkan nilai fitur wajah, selanjutnya akan diklasifikasikan menggunakan algoritme k-Nearest Neighbor. Dari hasil pengujian akurasi deteksi wajah didapaatkan akurasi terbaik sebesar 100% pada jarak 40cm. Hasil akurasi pengenalan wajah pada jarak 40cm seluruhnya yaitu sebesar 87,5%. Untuk pengujian akurasi integrasi antara software dengan hardware menghasilkan tingkat akurasi sebesar 100%. Waktu rata-rata yang diperlukan untuk proses pengenalan wajah adalah selama 13.28839 detik.

##plugins.themes.bootstrap3.article.details##

Cara Sitasi
Wijayanto, B., Utaminingrum, F., & Arwani, I. Face Recognition Untuk Sistem Pengaman Rumah Menggunakan Metode HOG dan KNN Berbasis Embedded. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 3, no. 3, p. 2774-2781, jan. 2019. ISSN 2548-964X. Tersedia pada: <http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/4819>. Tanggal Akses: 17 agu. 2019
Bagian
Artikel