Pembuka Kunci Pintu Otomatis Berdasarkan Pengenalan Wajah Menggunakan YOLOv7-tiny Object Detector

Supangkat, Ihsan Maulana (2023) Pembuka Kunci Pintu Otomatis Berdasarkan Pengenalan Wajah Menggunakan YOLOv7-tiny Object Detector. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 07111640000009-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (1MB) | Request a copy

Abstract

Penggunaan kunci digital sebagai pengganti kunci tradisional mulai digemari masyarakat karena penggunaannya yang mudah dan praktis. Kunci digital mulai banyak digunakan pada area yang ditujukan untuk orang tertertu seperti perkantoran, rumah, maupun area bisnis. Beberapa contoh kunci pintu digital yang popular menggunakan alat identifikasi seperti RFID, Pin, Password, maupun sidik jari. Dibalik berbagai keuntungan yang diberikan, penggunaan kunci digital tidak lepas dari berbagai kekurangan. Kehilangan atau kelalaian terhadap alat identifikasi masih menjadi momok bagi pengguna kunci pintu digital. Oleh karena itu, dirancang alternatif alat identifikasi kunci digital yaitu wajah manusia. Alat ini dapat mendeteksi citra wajah manusia melalui YOLOv7-tiny yang dijalankan lewat OpenCV melalui media Raspberry Pi 4. Citra wajah pengguna akan dibandingkan dengan database yang ada. Adapun database yang digunakan terbagi menjadi dua, yaitu wajah bermasker dan wajah tanpa masker. Apabila citra wajah baik bermasker maupun tanpa masker berhasil dikenali dengan confidence lebih dari 60% maka sistem akan membuka kunci pintu secara otomatis. Apabila confidence kurang dari atau sama dengan 60%, kunci pintu tidak terbuka. Dari hasil penelitian yang dijalankan pada Raspberry Pi 4, sistem dapat membuka kunci pintu dengan mengenali wajah dengan akurasi untuk pendeteksian wajah bermasker berada pada nilai 71,3% dan wajah tanpa masker pada nilai 81,5%. Kedua data dapat digunakan sistem untuk membuka kunci pintu sehingga sistem dapat dikatakan mampu untuk membuka kunci pintu secara otomatis berdasarkan wajah pengguna.
================================================================================================================================
The use of digital keys as a substitute for traditional keys is gaining popularity among the public because of their easy and practical use. Digital keys are starting to be widely used in areas intended for certain people such as offices, homes, and business areas. Some examples of popular digital door locks use identification tools such as RFID, Pin, Password, or fingerprints. Behind the various advantages provided, the use of digital keys cannot be separated from various disadvantages. Loss or neglect of identification devices is still a scourge for digital door lock users. Therefore, an alternative digital key identification tool was designed, namely the human face. This tool can detect human facial images via YOLOv7-tiny which is run via OpenCV via Raspberry Pi media. The user's facial image will be compared with the existing database. The database used is divided into two, mainly face with mask and face without mask. If the image of a face, both masked and without a mask, is successfully recognized with more than 60% confidence, the system will automatically unlock the door. If the confidence is less than or equal to 60%, the door lock is not opened. From the results of research carried out on the Raspberry Pi 4, the sistem can unlock the door by detecting faces with an accuracy for detecting masked faces at a value of 71.3%, and a face without a mask at a value of 81.5%. Both data can be used by the system to unlock the door so that the system can be said to be able to unlock the door automatically based on user’s face.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Pengenalan Wajah, Raspberry Pi, visi komputer, YOLOv7-tiny, Computer Vision, Face Recognition
Subjects:	R Medicine > R Medicine (General) > R858 Deep Learning T Technology > T Technology (General) > T57.62 Simulation T Technology > TA Engineering (General). Civil engineering (General) > TA1650 Face recognition. Optical pattern recognition.
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20201-(S1) Undergraduate Thesis
Depositing User:	Ihsan Maulana Supangkat
Date Deposited:	26 Jul 2023 08:06
Last Modified:	26 Jul 2023 08:06
URI:	http://repository.its.ac.id/id/eprint/99457

Actions (login required)

View Item