Project Based Learning: Sistem Deteksi Wajah untuk Akses Pintu Otomatis Berbasis RaspberryPi

Abstract

Permasalahan keamanan merupakan hal yang sangat penting dalam kehidupan sehari-hari. Sistem penguncian pintu tradisional dengan penggunaan kunci fisik memiliki kelemahan dalam hal keamanan. Kunci fisik dapat di-hack, dicuri, atau bahkan dapat direplikasi dengan mudah. Oleh karena itu, perlu dikembangkan sebuah metode baru yang bisa mencegah permasalahan tersebut. Salah satu penerapan teknologi yang bisa dipakai untuk kunci alternatif adalah dengan menggunakan metode pengenalan wajah untuk membuka dan mengunci pintu berdasarkan data orang yang diberi akses pintu. Penelitian ini ber-fokus pada pengembangan metode pengenalan wajah menggunakan Machine learning dengan teknik histogram of oriented gradients (HOG) yang di kombinasikan dengan linear Support Vector Machine (SVM). Teknik ini dibuat sesederhana mungkin supaya bisa dipasang di Single Board Computer (SBC) berbasis raspberry pi 4 yang mempunyai sebuah sensor kamera untuk input Machine learning dan output solenoid doorlock. Pertama, Machine learning harus di latih terlebih dahulu untuk mengenali orang yang diberi akses pintu. Data wajah tersebut dikumpulkan dalam bentuk foto yang mencakup variasi ekspresi, posisi, dan kondisi pencahayaan. Gambar data wajah kemudian diproses oleh machine learning untuk membuat model algoritma dataset yang bisa mengenali wajah dengan akurasi tinggi. Ketika sistem berjalan dan mendeteksi sebuah wajah yang mempunyai tingkat kemiripan tinggi dengan model yang dilatih, maka raspberry pi akan membuka solenoid doorlock tersebut dan begitu juga dengan sebaliknya untuk mengunci pintu. Metode ini mememberikan kelebihan dalam hal keamanan, karena hanya pengguna yang memiliki wajah yang terdaftar dalam dataset yang dapat membuka pintu. Sistem deteksi wajah yang dibuat mempunyai tingkat akurasi 83% dan dapat berjalan di sistem dengan kekuatan komputasi terbatas seperti SBC Raspberry Pi 4