Jurnal ELTEK
Vol. 24 No. 2 (2026): October 2026

Pengenalan wajah berbasis convolutional neural network pada smart parcel box untuk keamanan paket di kos

Siti Farida (Politeknik Negeri Malang)
Putri Elfa Mas'udia (Politeknik Negeri Malang)
Sri Wahyuni Dali (Politeknik Negeri Malang)



Article Info

Publish Date
30 Oct 2026

Abstract

Maraknya belanja online di kalangan mahasiswa yang tinggal di kos menimbulkan permasalahan keamanan paket, terutama risiko kehilangan paket yang sulit ditelusuri akibat keterbatasan sistem keamanan konvensional. Penelitian ini bertujuan merancang dan mengimplementasikan Smart Parcel Box berbasis pengenalan wajah menggunakan Convolutional Neural Netra sebagai solusi sistem keamanan paket di area kos. Sistem mengintegrasikan Raspberry Pi 3B+ sebagai unit pemrosesan utama, ESP32 sebagai mikrokontroler, sensor GM67 untuk pemindaian nomor resi, sensor ultrasonik HC-SR04 untuk pemantauan kapasitas kotak, serta solenoid door lock sebagai aktuator pengunci pintu. Pengenalan wajah menggunakan multi-task cascaded convolutional network untuk deteksi wajah dan model FaceNet berbasis TensorFlow Lite untuk pengenalan wajah, dengan Cosine Similarity sebagai metode pencocokan pada nilai threshold 0,75. Sistem dilengkapi aplikasi mobile Android yang terintegrasi dengan Firebase sebagai database real-time untuk manajemen data pengguna, resi paket, dan riwayat pengambilan. Hasil pengujian menunjukkan sistem face recognition mencapai akurasi 85,8%. Sensor GM67 mencapai tingkat keberhasilan baca barcode 92,3% serta jarak optimal pembacaan 10–40 cm, sedangkan sensor ultrasonik menghasilkan akurasi rata-rata 99,49% dengan error rata-rata 0,51%. ABSTRACT The surge in online shopping among boarding house residents has raised concerns over package security, particularly theft that is difficult to trace due to limitations of conventional security systems. This research designs and implements a Smart Parcel Box based on face recognition using a Convolutional Neural Network as a package security solution in boarding house areas. The system integrates a Raspberry Pi 3B+ as the main processing unit, an ESP32 microcontroller, a GM67 barcode sensor for tracking number scanning, an HC-SR04 ultrasonic sensor for box capacity monitoring, and a solenoid door lock as the locking actuator. Face recognition employs a multi-task cascaded convolutional network for face detection and FaceNet on TensorFlow Lite for face recognition, with Cosine Similarity at a threshold of 0.75. An Android mobile application integrated with Firebase manages user data, package tracking numbers, and pickup history in real-time. Test results show 85.8% face recognition accuracy. The GM67 sensor achieves a 92.3% barcode reading success rate and has an optimal reading range of 10–40 cm, while the ultrasonic sensor yielded 99.49% average accuracy with 0.51% average error.  

Copyrights © 2026






Journal Info

Abbrev

eltek

Publisher

Subject

Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering

Description

Jurnal ELTEK merupakan media yang diterbitkan oleh Politeknik Negeri Malang sebagai sarana diseminasi dan publikasi artikel hasil penelitian dan artikel konseptual yang dilakukan oleh para peneliti, akademisi, praktisi dan industri di bidang Teknik Elektro. Artikel yang diajukan untuk diterbitkan ...