Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal The Indonesian Journal of Computer Science
Achmad Rizky Ramadhani
Unknown Affiliation
Computer Science & IT Electrical & Electronics Engineering Engineering

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

Found 1 Documents
Search

 1 
Prototipe Sistem Keamanan Kunci Pintu Rumah Otomatis Dengan Pengenalan Wajah Berbasis IoT Niam Tamami; Achmad Rizky Ramadhani; Hary Oktavianto; Rifqi Nabila Zufar
The Indonesian Journal of Computer Science Vol. 14 No. 6 (2025): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v14i6.4998

Abstract

Dalam era digital yang semakin berkembang, teknologi telah mengubah sistem keamanan dengan menggantikan kunci pintu konvensional dengan kunci pintu pintar yang canggih. Teknologi seperti pengenalan wajah, sidik jari, dan sensor gerak memberikan tingkat keamanan yang lebih tinggi dibandingkan dengan kunci tradisional. Kunci pintu konvensional rentan terhadap risiko pembobolan, kehilangan, atau duplikasi oleh pelaku kejahatan. Sebagai solusi, penulis ingin menciptakan kunci pintu pintar yang dapat membuka pintu dengan pengenalan wajah, Personal Identification Number (PIN), dan melalui Telegram bot. Pengenalan wajah pada kunci pintu pintar memastikan bahwa hanya pemilik atau orang yang terdaftar yang dapat membuka pintu. Fitur tambahan berupa penggunaan PIN memberikan lapisan keamanan ekstra. Jika PIN yang salah dimasukkan sebanyak tiga kali, alarm akan berbunyi untuk memberikan peringatan. Selain itu, jika sistem pengenalan wajah tidak dapat mengenali wajah yang sedang dipindai, kamera akan mengambil gambar dan mengirimkannya ke Telegram bot di smartphone pengguna. Dengan penerapan kunci pintu pintar ini, diharapkan keamanan dan kemudahan akses yang lebih baik dibandingkan dengan kunci pintu konvensional. Hasil pengujian menunjukkan bahwa sistem ini dapat bekerja dengan akurasi pengenalan wajah sebesar 79% dan respon alarm bekerja secara real-time melalui integrasi Telegram bot.
Co-Authors Hary Oktavianto Niam Tamami RIFQI NABILA ZUFAR