<![CDATA[Abstrak - Penelitian ini membahas pembuatan dan penerapan sistem keamanan pintu otomatis yang menggunakan teknologi pengenalan wajah. Sistem ini memanfaatkan modul ESP32-CAM sebagai alat utama untuk mengambil gambar dan melakukan pemrosesan awal. Selain itu, sistem juga menggabungkan machine learning untuk proses mengenali wajah dan menggunakan dashboard web sebagai alat untuk pemantauan serta pengelolaan pengguna secara langsung. Data wajah dikumpulkan melalui proses registrasi langsung dengan kamera, kemudian diolah melalui beberapa tahap pra-pemrosesan dan ekstraksi ciri sebelum digunakan untuk membandingkan dan mengenali identitas pengguna. Hasil pengujian menunjukkan bahwa sistem bisa melakukan autentikasi secara otomatis, membuka pintu saat wajah pengguna terdeteksi, serta mencatat seluruh aktivitas akses ke dalam dashboard. Uji coba dilakukan dalam berbagai kondisi cahaya dan jarak, dan sistem menunjukkan kinerja yang stabil pada situasi normal. Dashboard yang dibuat juga mampu menampilkan kondisi perangkat, riwayat akses, serta informasi pengguna secara akurat. Dari hasil tersebut, sistem ini dianggap bisa memberikan solusi keamanan rumah yang lebih praktis, efisien, dan mudah dikelola dibandingkan metode tradisional.Kata kunci: Face Recognition; ESP32-CAM; Sistem Keamanan Pintu Otomatis; Machine Learning; Internet of Things (IoT); Abstract - This research discusses the development and implementation of an automatic door security system using facial recognition technology. This system utilizes an ESP32-CAM module as the primary tool for image capture and initial transmission. Furthermore, the system incorporates machine learning for facial recognition and utilizes a web dashboard for real-time user monitoring and management. Facial data is collected through a direct registration process with a camera, then processed through several stages of pre-processing and feature extraction before being used to recognize and identify users. Test results show that the system can perform automatic authentication, open the door upon face detection, and record all access activity in the dashboard. Tests were conducted under various lighting conditions and distances, and the system demonstrated stable performance under normal conditions. The dashboard is also capable of accurately displaying device status, access history, and user information. These results suggest that this system can provide a more practical, efficient, and easier-to-manage home security solution than traditional methods.Keywords: Facial Recognition; ESP32-CAM; Automatic Door Security System; Machine Learning; Internet of Things (IoT); Web Dashboard;]]>
Copyrights © 2026
