Purwarupa Sistem Keamanan Kunci Pintu Menggunakan Face Recognition Berbasis Raspberry Pi
DOI:
https://doi.org/10.32832/juteks.v13i2.25320Keywords:
Face Recognition, Sistem Keamanan Pintu, Raspberry Pi, Convolutional Neural Network, Histogram of Oriented GradientsAbstract
Meningkatnya angka kriminalitas di Indonesia mendorong kebutuhan akan sistem keamanan yang lebih andal dibandingkan metode konvensional seperti kunci fisik, Personal Identification Number (PIN), dan Radio Frequency Identification (RFID). Teknologi biometrik, khususnya face recognition, dipilih karena kemampuannya mengidentifikasi individu secara akurat dan aman. Penelitian ini bertujuan merancang dan menguji purwarupa sistem keamanan pintu berbasis face recognition dengan bantuan Raspberry Pi, serta mengevaluasi kinerjanya dari segi akurasi, kecepatan identifikasi, kestabilan catu daya, waktu respons, konsumsi daya, dan pencatatan riwayat akses. Metode penelitian meliputi perancangan konsep dan penentuan komponen, pembuatan bentuk fisis, pengawatan, pemrograman sistem menggunakan algoritma Histogram of Oriented Gradients (HOG) yang dikombinasikan dengan Support Vector Machine (SVM) serta Convolutional Neural Network (CNN), dan pengujian kinerja alat. Hasil pengujian menunjukkan bahwa algoritma CNN memiliki akurasi pengenalan wajah yang lebih baik dibandingkan HOG+SVM, dengan jarak validasi ideal 70 cm, waktu respons sistem sekitar 1,1 detik, kecepatan proses awal sebesar 14,3 FPS yang menurun hingga 4,5 FPS saat validasi, serta konsumsi daya yang efisien dan catu daya yang stabil pada seluruh kondisi pengujian. Sistem juga berhasil mencatat riwayat akses berupa identitas pengguna, waktu, dan tanggal akses secara akurat. Purwarupa sistem keamanan pintu berbasis face recognition ini terbukti fungsional, responsif, akurat, efisien daya, serta andal dalam mendukung monitoring keamanan akses pintu.
References
[1] Badan Pusat Statistik Indonesia, “Statistik Kriminal 2024,” 12 Desember 2024. [Online]. Tersedia: https://www.bps.go.id/id/publication/2024/12/12/13317138a55b2f7096589536/statistik-kriminal-2024.html. [Diakses 7 Juni 2025].
[2] J. Nasir, A. A. Ramli, dan M. Michael, “Design of door security system based on face recognition with arduino,” Int. J. Informatics Visualization, vol. 3, no. 2, hlm. 127–131, 2019.
[3] A. Hanuebi, S. R. U. A. Sompie, dan F. D. Kambey, “Aplikasi Pengenalan Wajah Untuk Membuka Pintu Berbasis Raspberry Pi,” Jurnal Teknik Informatika, vol. 14, no. 2, hlm. 243–252, 2019.
[4] W. Budiharto, E. Irwansyah, J. S. Suroso, dan A. A. S. Gunawan, “Low-cost vision-based face recognition using ESP32-CAM for tracked robot,” ICIC Express Letters Part B: Applications, vol. 13, no. 3, hlm. 321–327, 2022.
[5] A. Ipanhar, T. K. Wijaya, dan P. Gunoto, “Perancangan sistem monitoring pintu otomatis berbasis IoT menggunakan ESP32-CAM,” Sigma Teknika, vol. 5, no. 2, hlm. 333–350, 2022.
[6] D. R. Ahwadti dan A. P. Setiawan, “Sistem Keamanan Pintu Rumah Menggunakan Face Recognition Berbasis IoT,” Prosiding Seminar Nasional Teknologi Informasi dan Bisnis, 2025.
[7] Z. Munawar, M. Hasnawi, I. S. Beno, I. W. A. S. Darma, C. K. Sastradipraja, N. P. Sutramiani, dkk., Visi Komputer: Konsep, Metode, dan Aplikasi. Jakarta: Kaizen Media Publishing, 2023.
[8] D. Kurniawan, Pengenalan Machine Learning dengan Python. Jakarta: Elex Media Komputindo, 2022.
[9] F. A. I. A. Putra, A. G. Sulaksono, L. T. Utomo, dan A. R. Khamdani, “Klasifikasi Buah dan Sayur menggunakan fitur ekstraksi HOG dan Metode KNN,” Jurnal Informatika Polinema, vol. 10, no. 1, 2023.
[10] J. P. Tanjung dan M. Muhathir, “Classification of facial expressions using SVM and HOG,” Journal of Informatics and Telecommunication Engineering, vol. 3, no. 2, hlm. 210–215, 2020.
[11] K. Azmi, S. Defit, dan S. Sumijan, “Implementasi Convolutional Neural Network (CNN) untuk Klasifikasi Batik Tanah Liat Sumatera Barat,” Jurnal Unitek, vol. 16, no. 1, hlm. 28–40, 2023.
[12] Y. Goyal, “Comparative Study of Microcontrollers: Arduino UNO, Raspberry Pi 4, ESP32,” International Journal for Research in Applied Science and Engineering Technology, vol. 6, 2024.
[13] S. Monk, Programming the Raspberry Pi: Getting Started with Python. New York, NY, USA: McGraw-Hill Education TAB, 2021.
[14] M. Saleh dan M. Haryanti, “Rancang Bangun Sistem Keamanan Rumah Menggunakan Relay,” Jurnal Teknologi Elektro, vol. 8, no. 2, hlm. 87–94, 2017.
[15] F. A. Yaqin, D. Rahmawati, A. F. Ibadillah, dan K. A. Wibisono, “Perancangan Power Supply Switching dengan Power Factor Correction (PFC) untuk Mengoptimalkan Daya Output dan Pengaman Proteksi Hubung Singkat,” Jurnal Arus Elektro Indonesia, vol. 7, no. 2, hlm. 42–50, 2021.
