Claim Missing Document
Check
Articles

Implementasi Voice Recognition Menggunakan Metode Mel-Frequency Ceptral Coefficients dan Convolutional Neural Network Pada Smart Dorm Key Telkom University Ashiddiqi , Muhamad Hazbi; Purnamasari, Rita; Suhartono, Efri
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Abstract

Keamanan asrama di Telkom University saat ini masih mengandalkan sistem konvensional seperti kunci manual dan logbook, yang dinilai kurang memadai, rentan, dan kurang aman. Keterbatasan ini memungkinkan akses yang tidak sah dan meningkatkan risiko kehilangan barang berharga mahasiswa. Untuk mengatasi permasalahan tersebut, dirancanglah sebuah "Smart Dorm Key" berbasis pengenalan suara (voice recognition) menggunakan machine learning dengan metode Mel-Frequency Cepstral Coefficients (MFCC) untuk pemrosesan ekstraksi suara dan menggunakan model Convolutional Neural Networks (CNN) untuk pengenalan suara. Pengujian sistem dilakukan dengan melibatkan Hazbi berjumlah 475 dataset, Ito 712 dataset, Faiq 477 dataset, dan Unknown 988 dataset. Terdapat tiga macam kondisi pengujian yaitu dalam keadaan normal, berisik, dan serak. Hasil pengujian menunjukkan bahwa sistem ini dapat mengenali suara dengan akurasi dalam keadaan normal 91% untuk dataset suara terdaftar dan 88% untuk dataset suara tidak terdaftar, namun dalam keadaan berisik dan serak akurasi berkurang menjadi 68% (terdaftar) dan 62% (tidak terdaftar) untuk keadaan berisik, 73% (terdaftar) dan 66% (tidak terdaftar) dalam keadaan serak. Kata kunci— CNN, Keamanan Asrama, MFCC, Smart Dorm Key, Voice Recognition.
Perancangan Sistem Smart Dorm Lock Berbasis IoT untuk Kontrol Akses Otomatis Menggunakan Raspberry Pi Sandi, Irfan Maulana Kurnia; Purnamasari, Rita; Suhartono, Efri
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Abstract

Penelitian ini membahas perancangan sistem keamanan pintu asrama pintar berbasis Internet of Things (IoT) yang bertujuan untuk meningkatkan efisiensi dan kontrol akses di lingkungan asrama. Fokus utama penelitian terletak pada aspek desain integrasi perangkat keras dan sistem secara menyeluruh, mulai dari unit pemrosesan, modul pengendali pintu, hingga sensor pendeteksi keberadaan. Sistem dirancang menggunakan Raspberry Pi sebagai pusat kendali, yang terhubung dengan kamera, relay, sensor gerak (PIR), layar informasi (LCD), dan pengunci pintu elektronik (solenoid door lock). Seluruh perangkat keras dirakit dalam satu kesatuan yang kompak, ergonomis, dan fungsional, ditempatkan di area pintu masuk asrama. Desain sistem memungkinkan proses pendeteksian penghuni secara otomatis, pengendalian kunci pintu secara elektronik, serta pemantauan akses secara real-time dari jarak jauh. Hasil perancangan menunjukkan bahwa sistem memiliki struktur modular dan fleksibel, sehingga dapat dengan mudah diterapkan pada berbagai tipe pintu asrama. Dengan pendekatan desain yang terintegrasi dan berbasis otomatisasi, sistem ini diharapkan menjadi solusi efektif dan efisien untuk meningkatkan keamanan serta kenyamanan penghuni asrama secara modern dan berkelanjutan. Kata kunci— Desain Sistem, Keamanan Asrama, Internet of Things, Smart Lock, Raspberry Pi
Implementasi Sistem Smart Dorm Lock Berbasis Pengenalan Wajah Menggunakan Model MTCNN dan Facenet Simanullang, Charlos Alvaredo; Purnamasari, Rita; Suhartono, Efri
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Abstract

Penelitian ini mengembangkan sistem pengunci pintu asrama (Smart Dorm Lock) yang memanfaatkan teknologi pengenalan wajah menggunakan kombinasi metode Multi-task Cascaded Convolutional Networks (MTCNN) dan model FaceNet. Penggunaan pengenalan wajah dipilih karena dinilai lebih praktis dan aman dibandingkan metode konvensional seperti kunci fisik atau kartu akses, meskipun pengenalan wajah masih menghadapi tantangan dalam hal variasi pencahayaan, ekspresi, dan posisi wajah. MTCNN digunakan untuk mendeteksi wajah secara cepat dan akurat dari citra kamera secara real-time, sementara FaceNet berperan dalam mengekstraksi ciri wajah menjadi representasi vektor untuk proses verifikasi. Proses pengembangan sistem melibatkan akuisisi data wajah pengguna, deteksi dan ekstraksi fitur, serta pengujian performa dalam berbagai kondisi lingkungan nyata. Hasil pengujian menunjukkan bahwa sistem mampu mengenali wajah pengguna dengan akurasi tinggi meskipun terdapat perubahan sudut wajah dan pencahayaan. Sistem ini memberikan solusi autentikasi biometrik yang efektif dan dapat diterapkan pada lingkungan asrama untuk meningkatkan keamanan dan kenyamanan penghuni, Keywords— Pengunci Pintu Pintar, Pengenalan Wajah, MTCNN, FaceNet, Keamanan Asrama, Verifikasi Biometrik
Implementasi Aplikasi Smart Dorm Lock untuk Monitoring dan Controlling Pintu Pintar Asrama Telkom University berbasis Face Recognition Simamora , Haichel Anggy Paro; Purnamasari, Rita; Suhartono, Efri
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

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

Abstract

Smart Dorm Lock merupakan mobile application yang dirancang untuk mempermudah pengawas asrama dalam monitoring dan controlling penghuni asrama ketika akses keluar masuk asrama. Dengan memanfaatkan teknologi face recognition, aplikasi dapat memantau siapa saja yang memasuki asrama dan waktunya. Penelitian ini berfokus pada implementasi sisi frontend menggunakan android studio. Fitur utama pada aplikasi meliputi History Access, Dorm List, Registrasi, Delete Dataset, Start Detection dan Stop Detection. Hasil menunjukkan nilai Throughput 10,611 Kbps, Packet Loss 0%, Delay 292,7 ms dan Jitter 1,68 ms yang menandakan bahwa nilai tersebut merupakan kategori baik menurut standar ITU-TG.1010 Kata Kunci – Smart Dorm Lock, Face Recognition, Android Studio, ITU-T G.1010