Article Per Year (5 Year)
p-Index From 2021 - 2026
3.713
P-Index
This Author published in this journals
All Journal Journal of Information Technology and Computer Science JOURNAL OF ELECTRICAL AND SYSTEM CONTROL ENGINEERING INOVTEK POLBENG JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Jurnal Nasional Teknik Elektro dan Teknologi Informasi Jurnal Pengabdian Masyarakat eProceedings of Engineering Jurnal Rekayasa elektrika Telkatika: Jurnal Telekomunikasi Elektro Komputasi & Informatika
Efri Suhartono
Telkom University
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Public Health Other

Published : 44 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 34 Documents
Search
Journal : eProceedings of Engineering

 1   2   3   4 
Deteksi Kualitas Kemurnian Susu Sapi Melalui Pengolahan Citra Digital Menggunakan Metode Scale Invariant Feature Transform Dengan Klasifikasi K-nearest Neighbor Muhammad Hanif Abdurrahman; Efri Suhartono; Eka Wulandari
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Susu sapi merupakan bahan pangan yang memiliki nutrisi tinggi sehingga bermanfaat untuk menjaga kesehatan dan proses pertumbuhan. Susu pasteurisasi merupakah salah satu jenis produk susu yang banyak diproduksi dan diminati oleh semua kalangan masyarakat. Dengan harga yang terjangkau membuat susu diminati oleh semua kalangan masyarakat. Oleh karena itu banyak orang yang memutuskan untuk menjual susu pasteurisasi dan mencampurkan air maupun zat lainnya demi meraih keuntungan yang lebih besar. Susu yang sudah tidak murni tentunya akan berkurang kandungan gizinya dan kualitas kesegarannya sudah tidak sempurna lagi. Permasalahannya, hanya orang yang ahli pada bidang ini yang dapat membedakan kemurnian susu sapi, dan itu harus menggunakan perangkat khusus. Sehingga konsumen biasa hanya bisa membedakannya melalui penglihatan dan penciuman, namun sangat tidak akurat. Oleh karena itu penulis membuat Tugas Akhir yang bertujuan memudahkan konsumen untuk mendeteksi kemurnian susu sapi pasteurisasi menggunakan teknologi pengolahan citra digital melalui software Matrix Laboratory (MATLAB). Pada tahap awal sampel citra susu diambil menggunakan kamera digital, kemudian akan diidentifikasi menggunakan metode Scale Invariant Feature Transform (SIFT) dan akan diklasifikasikan menggunakan metode K-Nearest Neighbor (KNN). Berdasarkan hasil analisa dari performansi sistem, tingkat akurasi yang lebih baik ketika menggunakan metode SIFT yaitu dengan klasifikasi jenis Cosine Similarity sebesar 100% dan waktu komputasi 0.0692detik. Koefisien Gaussian Filter yang digunakan berukuran matriks 7 × 7. Kata Kunci : Image Processing, Scale Invariant Feature Transform, K-Nearest Neighbor
Analisis Estimasi Berat Telur Ayam Ras Berdasarkan Masa Penyimpanan Dengan Menggunakan Metode Fraktal Dan Klasifikasi Desicion Tree Wulan Dwi Suryandari; Efri Suhartono; Sjafril Darana
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Telur ayam adalah bahan makanan yang biasa dikonsumsi oleh masyarakat Indonesia. Disamping harganya yang murah, telur memiliki protein yang bermutu tinggi dan memiliki susunan asam amino essensial yang lengkap sehingga telur banyak dijadikan sebagai bahan olahan makanan, seperti roti dan pizza. Akan tetapi, telur yang dihasilkan dari masing-masing peternakan memiliki kualitas yang berbeda. Kualitas telur ayam ras dapat dilihat dari berapa lama telur ayam ras disimpan. Karena lama penyimpanan akan berpengaruh pada berat telur. Pengolahan citra digital digunakan untuk mengetahui berat telur. Pengolahan citra dilakukan dengan cara mendeteksi tepi dari telur dan memisahkan latar telur. Setelah itu, dilakukan proses identifikasi untuk mendapat ukuran telur yang berupa panjang dan lebar. Secara umum, sistem yang dirancang terbagi dalam 4 proses, yaitu: akuisisi citra telur, pre- processing, ekstrasi ciri, dan klasifikasi. Metode Fraktal digunakan untuk ekstraksi ciri citra dan metode Decision Tree merupakan metode yang digunakan untuk klasifikasi berat telur. Sistem yang di rancang menghasilkan nilai akurasi dari berat telur untuk hari ke-1 dengan akurasi 86,6% dan waktu komputasi 1,64 detik serta, pada hari ke-10 menghasilkan akurasi sebesar 86,6 % dan waktu komputasi 1,88 detik. Kata kunci : Telur, Fraktal, Desicion Tree .Abstract Indonesian people commonly consume chicken egg as an ingridient. Not only cheap, but egg also has a high-quality protein and a complete composition of essential amino acids. Therefore, many people use an egg as ingredients to make some foods, such as bread and pizza. However, eggs have a different quality and freshness in each farm. The quality of broiler chicken eggs can be seen from how long the chicken eggs are stored. Because the storage time will affect the weight of the egg. Digital image processing is used to determine the weight of the egg. Processing imagery is done by detecting the edge of the egg and separating the background of the egg. After that, an identification process is carried out to get the size of the egg in the form length and width. In general, the system designed is divided into 4 processes, namely: acquisition the image of the egg, pre-processing egg image, feature extraction, and classification. The Fractals method is Use for extraction of imagery and method features Decision Tree is a method Used for classification of egg weight The system designed produces a value of accuracy of the egg weight Day 1 with 86.6% accuracy and compute time of 1.64 seconds. On the day The 10th generates accuracy of 86.6% and computation time of 1.88 seconds. Keywords: Eggs, Fractals, Decision tree
Implementasi Sistem Informasi Pencemaran Air Sungai Berbasis Internet Of Things Agung Mujadid; Akhmad Hambali; Efri Suhartono
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Air merupakan sumber kehidupan mahluk hidup. Air digunakan untuk berbagai kebutuhan manusia, hewan, maupun tumbuhan. Air hujan yang jatuh ketanah akan menghantam bebatuan dan akan menghasilkan pecahan bebatuan kecil yang dapat menghalangi pori-pori tanah. Dengan demikian semakin banyak air yang mengalir dipermukaan tanah dan lama kelamaan akan membentuk sungai. Namun seiring berkembangnya penduduk di berbagai belahan bumi sungai-sungai mulai banyak yang tercemar. Hal tersebut dapat mengakibatkan resiko terkena penyakit lebih rentan. Beberapa penyakit yang dapat muncul seperti kolera, diare, disentri, hepatitis a, malaria dan polio. Tidak hanya dapat menimbukan penyakit bagi manusia, pencemaran air juga dapat mengakibatkan populasi ikan di air sungai akan punah, selain itu pencemaran air dapat merusak tanaman jika air yang digunakan untuk menyiram tanaman ialah air yang tercemar. Pada penelitian ini dibuat suatu rancangan alat yang mampu memberikan informasi kepada petugas kebersihan tentang kualitas air sungai. Pada proyek ini menggunakan sensor pH untuk mengukur tingkat keasaman dan sensor turbidity yang mampu mengukur tingkat kekeruhan air serta didukung dengan platform arduino sebagai mikrokontrolernya yang dihubungkan dengan GPS yang akan mampu memberikan layanan Internet dan posisi latitude dan longitude dari lokasi sungai melalui aplikasi telegram. Dari hasil penelitian ini didapat hasil dari pengukuran bahwa air sungai yang uji melalui aplikasi telegram mendapatkan delay rata-rata 8,84 sampai 10,81 detik. Selain itu juga parameter pH yang didapat rata-rata dari 4,81 sampai 6,43 dan pada parameter turbidity didapat rata-rata dari 3,2 sampai 10,3. Kata kunci : Pencemaran air, Internet of things, Arduino, GPS, Telegram Abstract Water is the source of life for living things. Water is used for various needs of humans, animals and plants. Rainwater that falls to the ground will hit the rocks and will produce small pieces of rock that can block the pores of the soil. Thus the more water that flows on the surface of the land and eventually will form a river. But as the population grows in various parts of the world, rivers begin to become polluted. This can lead to the risk of getting more susceptible diseases. Some diseases that can arise such as cholera, diarrhea, dysentery, hepatitis a, malaria and polio. Not only can humans cause disease, water pollution can also cause fish populations in river water to become extinct, but water pollution can damage plants if the water used to water plants is polluted water. In this research, a tool design that is able to provide information to cleaning staff about river water quality is created. This project uses a pH sensor to measure acidity and turbidity sensors that are capable of measuring water turbidity levels and are supported by an arduino platform as a microcontroller that is connected to GPS that will be able to provide Internet services and latitude and longitude position of river locations through telegraph applications. From the results of this study the results obtained from measurements that the river water tested through telegram applications get an average delay of 8.84 to 10.81 seconds. In addition, the pH parameters obtained on average from 4.81 to 6.43 and the turbidity parameters obtained on average from 3.2 to 10.3. Keywords: Water pollution, Internet of things
Deteksi Derajat Kebengkokan Tulang Belakang Berdasarkan Citra Medis Digital Menggunakan Metode Local Binnary Pattern Dan K-nearestneighbor Michael Binson Situmeang; Efri Suhartono; Nor Kumalasari Caecar Pratiwi
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Salah satu kelainan pada tulang punggung yang terjadi diakibatkan karena adanya kemiringan pada tulang belakang sehingga tulang tidak pada bentuk normalnya atau biasa disebut skoliosis. Skoliosis adalah melengkungnya tulang kearah samping sehingga tulang belakang seolah-olah membentuk huruf “S” atau “C” . Pada penelitian ini, akan dibuat sistem yang dapat mengklasifikasikan kondisi tulang belakang berdasarkan citra pengolahan tulang belakang menjadi tiga jenis yaitu tulang belakang dengan kondisi normal, tulang belakang dengan kelainan dekstrokoliosis atau tulang belakang dengan kelainan levoskoliosis. Pada Tugas Akhir ini akan menggunakan metode Local Binnary Patterns (LBP) dan Algoritma KNearest Neighbor (KNN) sebagai klasifikasinya. Dari hasil pengujian diperoleh akurasi identifikasi terbaik sebesar 65% . Akurasi tersebut diperoleh dari pengujian menggunakan parameter level radius dengan nilai 2, ciri orde satu yang digunakan adalah ciri var,std, dan mean pada metode ekstraksi ciri serta nilai K=1 dan skema jarak euclidean. Kata kunci : Tulang Belakang, Local Binnary Patterns (LBP), K-Nearest Neighbor (K-NN). Abstract One abnormality in the spine that occurs is caused by the slope in the spine so that the bone is not in its normal form or commonly called scoliosis. Scoliosis is the curvature of the bone towards the side so that the spine seems to form the letter "S" or "C". In this study, a system will be made that can classify the condition of the spine based on the processing of the spine image into three types, namely the spine with normal conditions, the spine with dextrocoliosis or spinal abnormalities with levoskoliosis abnormalities. In this Final Project will use the method of Local Binnary Patterns (LBP) and K-Nearest Neighbor (KNN) Algorithm as the classification. From the test results obtained the best identification accuracy of 65%. Accuracy was obtained from testing using radius level parameters with a value of 2, the first-order characteristics used were the characteristics of var, std, and the mean in the feature extraction method and the K = 1 value and the euclidean distance scheme. Keywords : Spine, Local Binnary Patterns (LBP), K-Nearest Neighbor (K-NN).
eteksi Anemia Melalui Citra Sel Darah Menggunakan Metode Descrete Wavelet Transform Dan Self-organizing Map Methods Hani Khairunnisa; Efri Suhartono; Rissa Rahmania
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Kekurangan sel darah merah atau biasa yang disebut dengan penyakit anemia yang ditandai dengan kekurangannya kadar hemoglobin dalam tubuh. Pemeriksaan terhadap penyakit anemia dilakukan dengan pemeriksaan hematologi atau biasa disebut tes darah dengan diagnostik laboratorium dimana, bertujuan untuk mendiagnosa kondisi medis. Namun, kelemahan pada metode tersebut adalah ketelitian dokter dan petugas laboratorium dikarenakan kondisi fisik dan pengetahuan. Sehingga, kurangnya keakuratan dari hasil diagnostik. Selain itu, proses diagnostik secara manual membutuhkan waktu pengerjaan yang cukup lama untuk mengindentifikasi suatu penyakit. Pada penelitian ini, telah dibuat sistem deteksi dan klasifikasi pada anemia berdasarkan akurasi sistem data uji dan data latih dengan melihat kepucatan warna darah. Identifikasi yang digunakan adalah dengan metode Discrete Wavelet Transform (DWT) dan metode pengklasifikasian dengan metode Self-Organizing Maps (SOM). Percobaan yang digunakan, yaitu sampel sel darah normal dan darah anemia dengan cara pengambilan gambar langsung dari mikroskop. Performansi sistem penelitian anemia dianalisis berdasarkan parameter akurasi yang didapat melalui beberapa tahapan yaitu pengujian pada parameter metode DWT dan parameter SOM sampai didapatkan nilai terbaik. Hasil pengujian pada penelitian ini akurasi terbaik yang didapatkan dengan metode ini yaitu sebesar 90% dengan waktu komputasi selama 0,0217s. Kata kunci : Anemia, hemoglobin, mikrosopik, Discrete Wavelet Transform, Self Organizing Map Abstract Lack of red blood cells or anemia Examination of anemia can be done by examination of hematology or blood tests aimed at diagnosing medical diseases. Anemia detection by the laboratory can be done in various ways, such as counting the number of red blood cells, counting cells hematocrit, and calculating hemoglobin levels. However, the weakness of the method is scientific research and laboratory tests which can be caused by physical conditions and knowledge. Spend, spend a little accuracy on search results. In addition, the manual workmanship takes a long time to identify an illness. In this research, an accurate anemia detection system was made based on the accuracy of the test data system and training data by looking at the color paleness of the blood. The identification used is the Discrete Wavelet Transform (DWT) method and the classification method with the Self-Organizing Maps (SOM) method. Anemia research system performance was analyzed based on accuracy parameters obtained through several stages, namely testing the DWT method parameters and SOM parameters to obtain the best value. The test results in this study obtained a system that can detect blood cell images diagnosed with anemia and not anemia with the best accuracy obtained by this method that is equal to 90 \% with computation time for 0.0217 seconds. Keywords: Anemia, hemoglobin, microsopic, Discrete Wavelet Transform, Self-Organizing Maps
Analisis Estimasi Berat Telur Ayam Ras Berdasarkan Masa Penyimpanan Menggunakan Metode Histogram Of Oriented Gradient Dengan Klasifikasi Self-organizing Maps Hasna Maharani; Efri Suhartono; Sjafril Darana
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak Telur ayam ras merupakan salah satu sumber pangan protein hewani yang paling populer dan juga sangat diminati oleh masyarakat, hal ini dikarenakan telur ayam ras memiliki harga yang relatif murah dan mudah diperoleh serta dapat memenuhi kebutuhan gizi dikalangan masyarakat. Telur ayam ras memiliki kandungan yang terdiri dari 64% albumen, 27% kuning telur dan 9% kerabang, kandungan tersebut mempengaruhi bobot atau berat telur yang dihasilkan dari ayam petelur. Akan tetapi kandungan gizi yang terdapat didalam telur tidak selalu baik dan segar, maka dari itu diperlukan deteksi kualitas telur. Kualitas tersebut dapat dilihat salah satunya berdasarkan berat yang dimilikinya, semakin lama penyimpanan telur ayam maka semakin rendah berat yang dimiliki oleh telur ayam. Pada tugas akhir ini telah dibuat sistem yang dapat menganalisis estimasi berat telur ayam ras berdasarkan waktu penyimpanan telur ayam ras tersebut. Analisis telah dilakukan dengan menggunakan metode HOG (Histogram Of Oriented Gradient) dan klasifikasi SOM (Self-Organizing Maps). Proses pengujian sistem terdiri dari proses pengujian sistem terhadap citra telur ayam ras hari ke-1 dan terhadap citra telur ayam ras hari ke-10. Berdasarkan hasil pengujian yang telah dilakukan maka diperoleh akurasi 73.3333% dengan waktu komputasi 1.1336 detik untuk pengujian citra telur ayam ras hari ke-1 dan diperoleh akurasi 73.3333% dengan waktu komputasi 1.1866 detik untuk pengujian citra telur ayam ras hari ke-10. Pada penelitian tugas akhir ini, hasil akurasi yang diperoleh dari pengujian citra telur ayam ras hari ke-1 dan hari ke-10 mempunyai hasil akurasi yang sama yaitu sebesar 73.3333%. Waktu komputasi terbaik berada pada saat pengujian citra telur ayam ras hari ke-1 dengan hasil 1.1336 detik. Kata kunci : Telur, Histogram Of Oriented Gradient (HOG), Self-Organizing Maps (SOM) Abstract Chicken eggs are one of the most popular food sources of animal protein and are also very popular with the community, this is because chicken eggs have a relatively cheap and easily obtained price and can meet nutritional needs among the community. Race chicken eggs have a content consisting of 64% albumen, 27% egg yolk and 9% egg shell, the content affects the weight or weight of eggs produced from laying hens. However, the nutrient content contained in eggs is not always good and fresh, so it is necessary to detect egg quality. The quality can be seen one of them based on the weight they have, the longer the storage of chicken eggs, the lower the weight of chicken eggs. In this research, a system will be made that can analyze the estimated weight of chicken eggs based on the storage time of the breed chicken eggs. The analysis will be carried out using the HOG (Histogram Of Oriented Gradient) method and SOM (Self-Organizing Maps) classification. The system testing process consists of a system testing process for the image of day 1 race chicken eggs and the image of day 10 race chicken eggs. Based on the results of tests that have been carried out, the accuracy of 73.3333% is obtained with a computation time of 1.1336 seconds for testing the image of day 1 race chicken eggs and 73.3333% accuracy with a computing time of 1.1866 seconds for testing the image of day 10 race chicken eggs. In this final project, the results of the accuracy obtained from testing the image of the 1st day and 10th day of chicken eggs have the same accuracy, which is 73.3333%. The best computation time is when testing the image of day 1 race chicken eggs with results of 1.1336 seconds. Keywords: Eggs, Histogram Of Oriented Gradient (HOG), Self-Organizing Maps (SOM)
Klasifikasi Penyakit Folikulitis Berdasarkan Citra Digital Dengan Metode Fraktal dan K-Nearest Neighbor Kiflan Mohammad Hazmi; Efri Suhartono; Jaspar Hasudungan
eProceedings of Engineering Vol 10, No 3 (2023): Juni 2023
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak—Folikulitis merupakan peradangan pada folikel rambut. Hal tersebut disebabkan oleh infeksi terutama Staphylococcus aureus. Secara umum, hampir 20% populasi manusia membawa bakteri Staphylococcus aureus di permukaan tubuh, terutama hidung, aksila, dan perineum. Staphylococcus aureus memproduksi beberapa toksin yang dapat meningkatkan kemungkinan invasi dan membantu mempertahankan kehidupan Staphylococcus di jaringan. Hingga saat ini masih belum ada cara untuk mengetahui jenis penyakit ini selain dilakukannya penelitian pada sel penderita. Semakin berkembangnya teknologi maka dapat dibuatlah sistem untuk mendeteksi penyakit tersebut dengan melakukan segmentasi citra menggunakan metode Fraktal dan K- Nearest Neighbor. Fraktal merupakan obyek yang memiliki kemiripan dirinya-sendiri namun dalam skala yang berbeda. Ini artinya, bagian-bagian dari obyek akan tampak sama dengan obyek itu sendiri bila dilihat secara keseluruhan. K-Nearest Neighbor digunakan untuk mencari jarak terdekat antara data latih yang dimasukkan ke dalam database dengan data uji dan mengklasifikasikannya. Penelitian tugas akhir ini bertujuan untuk membuat simulasi pada Matlab yang dapat mendeteksi dan mengklasifikasikan jenis Folikulitis dengan pengambilan sumber dataset dari https://dermnetnz.org. Klasifikasi tersebut dibagi menjadi tiga kelas, yaitu: Superficial Folikulitis , Deep Folikulitis, dan Malassezia Folikulitis. Performansi terbaik dari penelitian ini yaitu akurasi 83.33% presisi 100% dan recall 100% dengan parameter K-Nearest Neighbor merupakan nilai K=3 dan jarak Euclidean. Kata Kunci— folikuitis, klasifikasi, fraktal, K-nearest neighbor
Penerapan Metode Histogram Oriented of Gradients dan Haar-Cascad pada Pintu Asrama Pintar Telkom University Yoren, Muhammad Ikhlashul; Purnamasari, Rita; Suhartono, Efri
eProceedings of Engineering Vol. 11 No. 6 (2024): Desember 2024
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kasus penghuni tak dikenal yang menginap serta laporan kehilangan barang di asrama Telkom University telah menjadi masalah yang semakin sering terjadi. Untuk mengatasi masalah ini, dirancang sebuah sistem pengenalan wajah (facerecognition) yang dapat meningkatkan keamanan di lingkungan asrama. Sistem ini menggunakan Raspberry Pi dan OpenCV sebagai pustaka utama, dengan dua metode utama: Haar Cascade untuk mendeteksi wajah dan Histogram of Oriented Gradients (HOG) untuk mencocokkan wajah dengan data yang tersimpan. Pengujian sistem dilakukan dengan melibatkan 10 orang sebagai sampel, di mana masing-masing sampel terdiri dari 25 foto. Hasil pengujian menunjukkan bahwa sistem ini mampu mengenali wajah dengan akurasi hingga 89%, dengan waktu proses rata-rata 2,45 detik. Diharapkan, sistem ini dapat memberikan kontribusi nyata dalam meningkatkan rasa aman dan nyaman bagi seluruh penghuni asrama Telkom University. Kata kunci—Face Recognition, Haar Cascade, Histogram of Oriented Gradients (HOG), OpenCV, RaspberryPi.
Mengukur Keandalan Smart Dorm Key: Uji Performa Face Recognition dan Sensor Ultrasonik dalam Berbagai Kondisi Ramadhana, Rexy Yusuf; Purnamasari, Rita; Suhartono, Efri
eProceedings of Engineering Vol. 11 No. 6 (2024): Desember 2024
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Keamanan di asrama merupakan hal yang sangat penting, terutama di lingkungan dengan jumlah penghuni yang tinggi seperti di asrama Universitas Telkom. Penelitian ini mengeksplorasi pengembangan dan evaluasi sistem Smart Dorm Key yang mengintegrasikan teknologi pengenalan wajah dan sensor ultrasonik untuk meningkatkan keamanan. Sistem ini memanfaatkan metode Histogram of Oriented Gradients (HOG) dan Haar Cascade untuk pengenalan wajah, dikombinasikan dengan sensor ultrasonik untuk mendeteksi kondisi keluar. Melalui pengujian yang ketat dalam berbagai kondisi, termasuk pencahayaan normal, pencahayaan redup, dan penggunaan aksesori, sistem ini menunjukkan keandalan tinggi dalam kondisi optimal namun mengungkapkan area yang memerlukan perbaikan, terutama dalam lingkungan yang menantang. Kata kunci – Asrama, Keamanan, Pengenalan Wajah, Pengujian
Integrasi Perangkat Keras dan Realisasi Sistem Kunci Pintar Berbasis Raspberry Pi 4 Anam, Nasehun; Purnamasari, Rita; Suhartono, Efri
eProceedings of Engineering Vol. 11 No. 6 (2024): Desember 2024
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pada pengembangan sistem keamanan pintu berbasis IoT di Asrama Telkom University, perangkat keras memainkan peran penting dalam menjaga privasi dan keselamatan penghuni. Sistem ini menggunakan Raspberry Pi 4 Model B sebagai pusat kendali, yang terhubung dengan berbagai komponen seperti kamera untuk face recognition, sensor ultrasonik untuk mendeteksi keberadaan di dekat pintu, dan solenoid door lock yang mengendalikan akses masuk dan keluar. Kamera menangkap gambar wajah, yang kemudian diproses oleh Raspberry Pi menggunakan metode HOG dan Haar Cascade. Sensor ultrasonik memastikan pintu dapat terbuka secara otomatis ketika ada orang yang mendekat dari dalam gedung. Hasil uji coba menunjukkan bahwa sistem face recognition memiliki akurasi 89% dalam kondisi normal, Sementara itu, sensor ultrasonik menunjukkan tingkat keberhasilan deteksi sebesar 94% dalam berbagai durasi pengujian. Sistem ini menawarkan solusi keamanan pintu yang lebih efektif dibandingkan metode tradisional, dengan potensi penerapan yang lebih luas di berbagai tempat. Kata kunci— Keamanan, Raspberry Pi, Face Recognition, Sensor Ultrasonik
Co-Authors Agung Mujadid Ahmad Zaky Rafif Muthafa Akhmad Hambali Anam, Nasehun Andi Ade Yustika Annisa Puji Lestari Ardiansyah, Faiz Rizqullah Ardio Pratama Putra Arif Maulana Ashiddiqi , Muhamad Hazbi Aulia Nugraha Dega Pradipta Ramadhan Dwi Mustofa, Ihsan Eka Sugiarto Eka Wulandari Erixno, Oon Esa Prakasa, Esa Farah Pranidasari Faris Bayu Azanto Febriani Ruming Sari Firman Ag. Roni Gusmanda, Ilham Hani Khairunnisa Hasna Maharani Hazmi, Kiflan Mohammad I Nyoman Apraz Ramantryana I Putu Yowan Nugraha Suparta Irma Safitri Irvan Ragil Boesandi Jangkung Raharjo Jaspar Hasudungan Kharisma Bani Adam Kiflan Mohammad Hazmi Kurniawan Gustyanto Michael Binson Situmeang Muh Zidni Makarim Muh. Gazali Saleh Muhammad Hanif Abdurrahman Muhammad Rizqi Nor Kumalasari Caecar Pratiwi Nugroho , Haris Tri Nur Ibrahim Nur Ramadhani Nusyahya, Regisa Oktaria, Anindita Safna Pasa, Faris Alfaroby Pradipta , Dega Pratama Putra, Ardio Purnamasari , Rita R. Yunendah Nur Fu’adah Ramadhan , Ridwan Ramadhan, Muhammad Agung Ramadhana, Rexy Yusuf Ramadhani, Farah Rissa Rahmania Rita Magdalena Rita Purnamasari Sandi, Irfan Maulana Kurnia Sari, Febriani Ruming Simamora , Haichel Anggy Paro Simanullang, Charlos Alvaredo Sjafril Darana SOFIA SAIDAH Suci Aulia Sugondo Hadiyoso Tri Hanuranto, Ahmad Trisucipto, Muhammad Wan Muhammad Faizal Wulan Dwi Suryandari Yoren, Muhammad Ikhlashul Yuni Rizki Linggasari YUNITA, TRASMA Zariaqwila , DTM Faiq