Penerapan Metode CNN Pada Sistem Pendeteksi Arah Gerak Mata Untuk Optimalisasi Smart Door Lock

Abstract

Abstrak – Kemajuan teknologi telah membawa inovasi dalam berbagai bidang, termasuk sistem keamanan. Salah satu kemudahan yang diharapkan adalah kemampuan untuk mengakses pintu secara otomatis tanpa perlu membawa kunci fisik. Penelitian ini menggunakan Convolutional Neural Network (CNN) untuk mendeteksi gerakan arah mata sebagai metode autentikasi pada smart door lock. Sistem ini dirancang untuk mendeteksi gerakan mata, mengimplementasikan metode tersebut dalam sistem kunci pintar, dan mengevaluasi kinerjanya dari segi keandalan dan responsivitas. Metode penelitian meliputi pengumpulan data gambar mata, pra-pemrosesan citra, pelatihan model CNN, serta pengujiannya. Hasil pelatihan menunjukkan akurasi tinggi pada dataset validasi, namun pengujian sistem dalam kondisi nyata masih menghadapi beberapa tantangan. Hasil penelitian menunjukkan bahwa pencahayaan sangat memengaruhi performa model prediksi. Pada 40 Lux, akurasi tercatat sebesar 83,33%, meningkat menjadi 88,71% pada 60 Lux, dan mencapai 93,33% pada 80 dan 100 Lux, dengan performa terbaik di 120 Lux (akurasinya 98,33%, presisi 100%, recall 93,33%). Namun, pengujian pada jarak 4 cm dengan pencahayaan 120 Lux hanya mencapai akurasi 65%, menunjukkan jarak deteksi memengaruhi kinerja model karena perbedaan dengan dataset awal. Sistem Open Lock dan Close Lock berhasil dalam 27 dari 30 pengujian, dengan waktu rata-rata 17-18 detik, meski terdapat 3 kegagalan akibat kondisi yang tidak terpenuhi. Sistem Close Lock melalui sinyal pushbutton selalu berhasil dengan waktu eksekusi 1 detik, mencatat keberhasilan keseluruhan 90%. Hasil ini menunjukkan bahwa sistem belum sepenuhnya optimal karena performa masih bergantung pada pencahayaan dan posisi pengguna. Pengembangan lebih lanjut diperlukan untuk meningkatkan jarak deteksi, adaptasi pencahayaan, dan kecepatan eksekusi agar sistem lebih akurat.