<![CDATA[Implementing biometric security systems on deep learning devices faces a major challenge in balancing identity verification accuracy with computational resource efficiency. This study presents a performance analysis of a Raspberry Pi 5-based Smartdoor system integrating the detection speed of Haar Cascade with the recognition accuracy of ArcFace. System performance was evaluated based on RAM usage, CPU load, FPS stability, and access Success Rate parameters. Empirical evaluation results indicate that integrating Deep learning ArcFace increased RAM usage by 33.7% and CPU load from 33% to 53%. However, due to the processing capacity of the Raspberry Pi 5, the system maintained stable real-time performance with an average of 18.3 FPS. In terms of security, the Hybrid method proved superior with an access success rate of 73.7%, surpassing the conventional Haar Cascade method which only reached 68.4%. This study concludes that the Hybrid method is a viable solution for home security systems, where the increased computational load is justified by a significant improvement in identity verification reliability.Keyword: Raspberry Pi 5; Smartdoor; Haar Cascade; ArcFace; Computational Performance. AbstrakImplementasi sistem keamanan biometrik pada perangkat deep learning menghadapi tantangan utama dalam menyeimbangkan akurasi verifikasi dengan efisiensi sumber daya. Penelitian ini menyajikan analisis kinerja sistem Smartdoor berbasis Raspberry Pi 5 yang mengintegrasikan kecepatan deteksi Haar Cascade dengan akurasi pengenalan wajah ArcFace. Kinerja sistem dievaluasi berdasarkan parameter penggunaan RAM, beban CPU, stabilitas FPS, dan tingkat keberhasilan akses. Hasil evaluasi empiris menunjukkan bahwa integrasi Deep learning ArcFace meningkatkan penggunaan RAM sebesar 33,7% dan beban CPU dari 33% menjadi 53%. Namun, berkat kapasitas pemrosesan Raspberry Pi 5, sistem mampu mempertahankan stabilitas kinerja real-time dengan rata-rata 18,3 FPS. Dari segi keamanan, metode Hybrid terbukti lebih unggul dengan akurasi pengenalan wajah sebesar 73,7%, melampaui metode konvensional Haar Cascade yang hanya mencapai 68,4%. Penelitian ini menyimpulkan bahwa metode Hybrid merupakan solusi yang layak untuk sistem keamanan rumah, di mana peningkatan beban komputasi terbayar dengan peningkatan reliabilitas verifikasi identitas yang signifikan. ]]>
