PENGEMBANGAN SISTEM KUNCI PINTU DENGAN PENGENALAN WAJAH MENGGUNAKAN ALGORITMA LBP DAN PENGKODEAN BASE64 SHUFFLE

Azka Rizki Sabilus Sulaeman, - (2024) PENGEMBANGAN SISTEM KUNCI PINTU DENGAN PENGENALAN WAJAH MENGGUNAKAN ALGORITMA LBP DAN PENGKODEAN BASE64 SHUFFLE. S1 thesis, Universitas Pendidikan Indonesia.

	Text S_TEKKOM_2002906_Title.pdf Download (453kB)
	Text S_TEKOM_2002906_Chapter1.pdf Download (126kB)
	Text S_TEKOM_2002906_Chapter2.pdf Restricted to Staf Perpustakaan Download (717kB) | Request a copy
	Text S_TEKOM_2002906_Chapter3.pdf Download (492kB)
	Text S_TEKOM_2002906_Chapter4.pdf Restricted to Staf Perpustakaan Download (1MB) | Request a copy
	Text S_TEKOM_2002906_Chapter5.pdf Download (106kB)
	Text S_TEKOM_2002906_Appendix.pdf Restricted to Staf Perpustakaan Download (337kB) | Request a copy

Abstract

Rumah merupakan aspek vital dalam kehidupan manusia, namun penggunaan kunci pintu konvensional masih menyisakan kerentanan terhadap pencurian dan kehilangan. Kelemahan ini diperparah oleh kelalaian dalam penggunaan kunci tradisional, yang semakin mengungkap keterbatasan sistem keamanan berbasis metode konvensional. Oleh karena itu, kebutuhan akan adopsi teknologi keamanan yang lebih canggih dan andal menjadi semakin mendesak untuk memastikan perlindungan yang optimal bagi hunian. Sebagai solusi, teknologi pengenalan wajah menawarkan metode yang lebih aman dan efisien, meningkatkan kontrol akses dan keamanan dengan cara yang lebih modern dan dapat diandalkan. Penelitian ini bertujuan untuk mengembangkan sistem kunci pintu yang mengintegrasikan algoritma Local binary pattern (LBP) untuk pengenalan wajah dan menerapkan teknik encoding Base64 Shuffle untuk melindungi dataset wajah serta file training, sehingga menciptakan solusi keamanan yang lebih efisien dan aman. Metode penelitian Design and Development (DnD) digunakan dalam pengembangan dan pengujian sistem ini dengan metode black-box testing. Hasil penelitian menunjukkan bahwa hasil yang didapatkan dari pengujian menunjukkan akurasi keseluruhan dari model-model ini adalah 0,70 atau sekitar 70,00% dengan catatan kondisi dataset terdapat dataset dibawah 30 lux. Namun pada pengujian dengan dataset intensitas optimal, akurasi dapat mencapai 92,50%. Faktor yang mempengaruhi akurasi sistem termasuk intensitas cahaya, di mana pencahayaan di bawah 30 lux mengurangi efektivitas algoritma, sedangkan pencahayaan antara 30-100 lux memungkinkan pengenalan wajah yang baik. Jarak optimal untuk deteksi wajah adalah antara 40-80 cm. Hasil proses encode dan decode menggunakan Base64 Shuffle berhasil dilakukan tanpa mengubah nilai piksel dari gambar dan nilai training itu sendiri. --------- Home is a vital aspect of human life, but the use of conventional door locks still leaves vulnerability to theft and loss. This weakness is exacerbated by negligence in the use of traditional keys, which further exposes the limitations of security systems based on conventional methods. Therefore, the need for the adoption of more sophisticated and reliable security technologies is becoming increasingly urgent to ensure optimal protection for homes. As a solution, facial recognition technology offers a safer and more efficient method, improving access control and security in a more modern and reliable way. This study aims to develop a door lock system that integrates the Local binary pattern (LBP) algorithm for facial recognition and applies the Base64 Shuffle encoding technique to protect facial datasets and training files, thus creating a more efficient and secure security solution. The Design and Development (DnD) research method is used in the development and testing of this system with the black-box testing method. The results of the study show that the results obtained from the test indicate the overall accuracy of these models is 0.70 or around 70.00% with the note that the dataset conditions are below 30 lux. However, in testing with the optimal intensity dataset, the accuracy can reach 92.50%. Factors affecting the accuracy of the system include light intensity, where lighting below 30 lux reduces the effectiveness of the algorithm, while lighting between 30-100 lux allows good face recognition. The optimal distance for face detection is between 40-80 cm. The results of the encode and decode process using Base64 Shuffle were successfully carried out without changing the pixel values of the image and the training value itself.

Item Type:	Thesis (S1)
Additional Information:	https://scholar.google.com/citations?hl=en&user=3YY2UgwAAAAJ&scilu=&scisig=ANI4uE0AAAAAZtZ-AAYzBi5AfQAq-tGf-x9mQ0Y&gmla=AC6lMd9wBrQaiKqvBRYF02TEsHmI2HCVhTfpcNMfnJa8ncF-AgtpNH-9GR8N9hA_EDdf4ng8AFWFcuc_5lRW-mNMH7rIf3XKrox4wgE&sciund=6748021349222506961 DEDEN PRADEKA: 6680849 ANUGRAH ADIWILAGA: 6745914
Uncontrolled Keywords:	Kunci Pintu, Pengenalan Wajah, Pengamanan Data, Base64, Door Lock, Face Recognition, LBP, Data Security
Subjects:	L Education > L Education (General) T Technology > T Technology (General)
Divisions:	UPI Kampus cibiru > S1 Teknik Komputer
Depositing User:	Azka Rizki Sabilus Sulaeman
Date Deposited:	23 Sep 2024 02:13
Last Modified:	23 Sep 2024 02:13
URI:	http://repository.upi.edu/id/eprint/122606

Actions (login required)

View Item