IMPLEMENTASI SISTEM KEAMANAN RUMAH MENGGUNAKAN METODE HAAR-CASCADE DAN BOT TELEGRAM SEBAGAI MEDIA INFORMASI

Penulis

  • Julius Rivaldo Universitas Budi Luhur
  • Hari Soetanto Universitas Budi Luhur

Kata Kunci:

Deteksi Wajah, Keamanan Rumah, Computer Vision, Telegram, Haar-Cascade Classifier

Abstrak

Keamanan rumah adalah aspek penting untuk menjaga keselamatan penghuninya. Di era teknologi modern, sistem keamanan canggih menjadi krusial untuk melindungi dari pencurian dan gangguan lainnya. Peneliti mengusulkan penggunaan teknologi pengenalan wajah dan mata dengan metode Haar-Cascade, yang efektif dalam mendeteksi fitur wajah dan mata dengan akurasi tinggi. Sistem ini mencakup pengambilan data, pelatihan model, dan pengenalan wajah, yang dapat secara andal mengidentifikasi orang yang memasuki kawasan rumah. Ketika orang tak dikenal terdeteksi, sistem akan mengirim notifikasi ke bot Telegram berupa pesan gambar dan video langsung dari kamera pengintai. Penelitian ini menetapkan batas keputusan pada tingkat kepercayaan 50%. Wajah yang teridentifikasi dengan tingkat kepercayaan di bawah 50% tidak akan dianggap sebagai wajah yang dikenal, sebaliknya, di atas 50% akan dianggap dikenal. Hasil pengujian menunjukkan bahwa sistem mampu membedakan wajah pemilik rumah dengan akurasi 55,5% pada jarak optimal 50 cm, dengan rata-rata akurasi 62,5% saat objek menghadap lurus. Pada jarak 50 cm, detail wajah dan mata terlihat jelas, memudahkan sistem untuk mendeteksi fitur-fitur tersebut dengan akurasi tinggi. Jika ada orang asing yang terdeteksi, kontirbusi sistem keamanan rumah ini tidak hanya meningkatkan perlindungan terhadap ancaman keamanan, tetapi juga memberikan rasa aman yang lebih besar bagi penghuni. Dengan menggunakan teknologi pengenalan wajah dan mata, sistem ini dapat mengurangi risiko kesalahan identifikasi dan meningkatkan respons terhadap situasi mencurigakan. Selain itu, integrasi dengan aplikasi Telegram memungkinkan pemilik rumah untuk tetap terhubung dan mendapatkan informasi secara real-time, sehingga meningkatkan kepercayaan diri dan kenyamanan dalam menjalani aktivitas sehari-hari.

Referensi

Eko Riyanto, “Sistem Keamanan Rumah Berbasis Android Dengan Rasberry Pi,” JURNAL INFORMATIKA UPGRIS, vol. 5, pp. 2460–4801, 2019.

H. Susanto and A. Nurcahyo, “Design and Implementation of a Smart Home Security System Using Voice Command and Internet of Things,” 2020.

Dendy Fachreinsyah, “Polda Banten dan Jajaran Tangani 7.300 Kasus Kriminal Selama 2023,” Radio Republik Indonesia. Accessed: May 01, 2024. [Online]. Available: https://www.rri.co.id/kriminalitas/497171/polda-banten-dan-jajaran-tangani-7-300-kasus-kriminal-selama-2023

D. Mantara Sakti, W. Sudoro Murti, A. Kurniasari, and J. Rosid, “Face recognition dengan metode Haar Cascade dan Facenet,” Indonesian Journal of Data and Science (IJODAS), vol. 3, no. 1, pp. 30–34, 2022.

P. Kenda and A. Witanti, “Sistem Presensi Berbasis Wajah Dengan Metode Haar Cascade,” 2021.

Y. Malo, W. Dirgantara, and S. Subairi, “Implementasi Pengenalan Wajah dengan Metode Haar Cascade Classifier pada Akses Boarding House,” AVITEC, vol. 5, no. 2, p. 75, Aug. 2023, doi: 10.28989/avitec.v5i2.1563.

A. Hendrianto Pratomo, Y. Florestyanto, and N. I. Sari, “Pengenalan Wajah untuk Pemantauan Kehadiran Pegawai Menggunakan Metode Viola Jones dan Euclidean Distance,” 2019.

W. Hutamaputra and F. Utaminingrum, “Implementasi Facial Landmark dalam Pengenalan Wajah pada Sistem Pembayaran Elektronik,” 2021. [Online]. Available: http://j-ptiik.ub.ac.id

J. Fahana, R. Umar, and F. Ridho, “Pemanfaatan Telegram Sebagai Notifikasi Serangan untuk Keperluan Forensik Jaringan,” 2017.

A. Jamhari, F. Mukti Wibowo, and W. Andi Saputra, “Perancangan Sistem Pengenalan Wajah Secara Real-Time pada CCTV dengan Metode Eigenface,” vol. 2, no. 2, pp. 20–032, 2020, doi: 10.20895/INISTA.V2I2.

Unduhan

Diterbitkan

30-09-2024

Cara Mengutip

Rivaldo, J., & Soetanto, H. (2024). IMPLEMENTASI SISTEM KEAMANAN RUMAH MENGGUNAKAN METODE HAAR-CASCADE DAN BOT TELEGRAM SEBAGAI MEDIA INFORMASI. Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), 3(2), 875–883. Diambil dari https://senafti.budiluhur.ac.id/index.php/senafti/article/view/1264

Artikel paling banyak dibaca berdasarkan penulis yang sama

<< < 1 2