<![CDATA[Meningkatnya angka kriminalitas di Indonesia mendorong kebutuhan akan sistem keamanan yang lebih andal dibandingkan metode konvensional seperti kunci fisik, Personal Identification Number (PIN), dan Radio Frequency Identification (RFID). Teknologi biometrik, khususnya face recognition, dipilih karena kemampuannya mengidentifikasi individu secara akurat dan aman. Penelitian ini bertujuan merancang dan menguji purwarupa sistem keamanan pintu berbasis face recognition dengan bantuan Raspberry Pi, serta mengevaluasi kinerjanya dari segi akurasi, kecepatan identifikasi, kestabilan catu daya, waktu respons, konsumsi daya, dan pencatatan riwayat akses. Metode penelitian meliputi perancangan konsep dan penentuan komponen, pembuatan bentuk fisis, pengawatan, pemrograman sistem menggunakan algoritma Histogram of Oriented Gradients (HOG) yang dikombinasikan dengan Support Vector Machine (SVM) serta Convolutional Neural Network (CNN), dan pengujian kinerja alat. Hasil pengujian menunjukkan bahwa algoritma CNN memiliki akurasi pengenalan wajah yang lebih baik dibandingkan HOG+SVM, dengan jarak validasi ideal 70 cm, waktu respons sistem sekitar 1,1 detik, kecepatan proses awal sebesar 14,3 FPS yang menurun hingga 4,5 FPS saat validasi, serta konsumsi daya yang efisien dan catu daya yang stabil pada seluruh kondisi pengujian. Sistem juga berhasil mencatat riwayat akses berupa identitas pengguna, waktu, dan tanggal akses secara akurat. Purwarupa sistem keamanan pintu berbasis face recognition ini terbukti fungsional, responsif, akurat, efisien daya, serta andal dalam mendukung monitoring keamanan akses pintu.]]>
