Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal JOIV : International Journal on Informatics Visualization
Putri Fatoni, Salwa Berliana
Unknown Affiliation
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Security System for Door Locks Using YOLO-Based Face Recognition Putri, Hasanah; Hadiyoso, Sugondo; Putri Fatoni, Salwa Berliana; Octaviany, Vany; Wulandari, Astri; Aprilina, Riska; Rosmiati, Mia
JOIV : International Journal on Informatics Visualization Vol 9, No 1 (2025)
Publisher : Society of Visual Informatics

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62527/joiv.9.1.2410

Abstract

Di era kemajuan teknologi dan algoritma canggih yang memudahkan hidup manusia, kunci pintar pengenalan wajah merupakan sistem yang menggunakan salah satu algoritma tersebut dan mengatasi masalah keamanan dalam teknologi rumah pintar. Kunci pintar ini dapat dipasang di dekat pintu untuk memantau rumah, perusahaan, dan universitas. Masalah dengan solusi kunci pintar pengenalan wajah saat ini adalah bahwa kunci pintar tersebut kurang cepat dan tepat. Pintu merupakan salah satu komponen bangunan yang perlu diperhatikan keamanannya untuk mencegah upaya pencurian. Bangunan yang memiliki banyak ruang harus memiliki pintu dengan sistem keamanan yang kuat, salah satunya adalah hotel. Alat yang sering digunakan untuk mengakses kamar hotel adalah RFID. Mobil RFID memiliki banyak kekurangan, antara lain tamu sering meninggalkan kartu RFID mereka di kamar sehingga mereka tidak dapat lagi memasuki kamar dan harus melapor ke resepsionis terlebih dahulu, kartu RFID juga mudah hilang sehingga tamu yang kehilangan kartu RFID akan didenda sebagai biaya penggantian kartu. Oleh karena itu, dibuatlah sistem keamanan pintu menggunakan pengenalan wajah dengan algoritma YOLO. Algoritma YOLO digunakan untuk mendeteksi wajah siapa saja yang ingin mengakses pintu. Hasil pengujiannya adalah sistem dapat mendeteksi wajah dengan tingkat akurasi 94,4%.
Co-Authors Astri Wulandari Hasanah Putri Riska Aprilina Rosmiati, Mia Sugondo Hadiyoso Vany Octaviany