Haar Cascade dan Algoritma Eignface Untuk Sistem Pembuka Pintu Otomatis
DOI:
https://doi.org/10.36085/jsai.v4i2.1642Abstract
Teknologi diciptakan untuk mempermudah manusia dalam melakukan segala pekerjaan dan aktifitasnya, termasuk dalam hal mengakses pintu. Menggunakan teknologi pengolahan citra, wajah merupakan salah satu alternatif yang bisa digunakan untuk mengakses pintu dan mengamankannya dari orang yang tidak bertanggung jawab. Hal ini dikarenakan wajah setiap manusia memiliki pola yang berbeda-beda yang bisa ditransformasikan menjadi citra digital dan diolah mengunakan algoritma pengolahan citra. Dalam penelitian ini, mengkombinasikan haar cascade dan algoritma eigenface untuk mengolah citra wajah. Hasil dari pengolahan citra tersebut digunakan untuk menentukan hak akses dalam mengakses pintu, untuk kemudian diintegrasikan ke mikrokontroller, sehingga pintu dapat terbuka otomatis. Penelitian ini menghasilkan prototype system pembuka pintu otomatis dengan pengenalan wajah sebagai penentu hak aksesnya. Dari hasil penelitian, algoritma eigenface tidak dapat bekerja pada pencahayaan 0 lux  hingga 8 lux dalam jarak 20 cm hinga 60 cm  yaitu menghasilkan akurasi 0%, sedangkan pada pencahayaan 36 lux sampai 44 lux dan 160 lux sampai172 lux algoritma eigenface bekerja dengan baik dengan jarak pengambilan gambar 20-60 cm dengan akurasi 80%.
Â
Technology was created to make it easier for humans to do all their work and activities, including accessing doors. Using image processing technology, faces are an alternative that can be used to access doors and secure them from irresponsible people. This is because the face of every human being has a different pattern that can be transformed into a digital image and processed using an image processing algorithm. In this research, combining haar cascade and eigenface algorithm to processing face images. The results of the image processing are used to determine access rights in accessing the door, and then integrated into the microcontroller, so that the door can be opened automatically. This research produces a prototype automatic door opening system with face recognition as a determinant of access rights. From the results of the study, the eigenface algorithm cannot work at 0 lux  to 8 lux lighting within a distance of 20 cm to 60 cm which produces 0% accuracy, while at 36 lux to 44 lux and 160 lux to 172 lux lighting the eigenface algorithm works well with a shooting distance of 20 cm to 60 cm with 80% accuracy.
References
A. R. Putri, “Pengolahan Citra Dengan Menggunakan Web Cam Pada Kendaraan Bergerak Di Jalan Raya,†JIPI (Jurnal Ilm. Penelit. dan Pembelajaran Inform., vol. 1, no. 01, pp. 1–6, 2016, doi: 10.29100/jipi.v1i01.18.
N. Z. Munantri, H. Sofyan, and M. Y. Florestiyanto, “Aplikasi Pengolahan Citra Digital Untuk Identifikasi Umur Pohon,†Telematika, vol. 16, no. 2, p. 97, 2020, doi: 10.31315/telematika.v16i2.3183.
Munawir, L. Fitria, and M. Hermasyah, “Implementasi Face Recognition pada Absensi Kehadiran Mahasiswa Menggunakan Metode Haar Cascade Classifier,†InfoTekJar J. Nas. Inform. dan Teknol. Jar., vol. 5, no. 1, pp. 40–43, 2020, [Online]. Available: https://doi.org/10.30743/infotekjar.v5i1.1997.
S. Sriyati, A. Setyanto, and E. E. Luthfi, “Literature Review: Pengenalan Wajah Menggunakan Algoritma Convolutional Neural Network,†J. Teknol. Inf. dan Komun., vol. 8, no. 2, 2020, doi: 10.30646/tikomsin.v8i2.463.
M. Syarif and Wijanarto, “Deteksi Kedipan Mata Dengan Haar Cascade Classifier Dan Contour Untuk Password Login,†Techno.com, vol. 14, no. 4, pp. 242–249, 2015.
M. R. Muliawan, B. Irawan, and Y. Brianorman, “Implementasi Pengenalan Wajah Dengan Metode Eigenface Pada Sistem Absensi,†J. Coding, Sist. Komput. Untan, vol. 03, no. 1, pp. 41–50, 2015, [Online]. Available: http://jurnal.untan.ac.id/index.php/jcskommipa/article/viewFile/9727/9500.
W. M. Saputra, H. A. Wibawa, and P. Wajah, “Pengenalan wajah menggunakan algoritma,†vol. 2, no. 1, pp. 102–110, 2013.
D. I. Bramantio, E. Susanto, D. Ph, and R. Nugraha, “Perancangan Dan Implementasi Keamanan Pintu Berbasis Design and Implementation Security Door With Face,†vol. 3, no. 1, pp. 79–83, 2016.
S. F. Y. Wicaksono Ari, Susanto Erwin, “Rancang Bangun Pintu Pintar Pada Ruang Kerja Dengan Mendeteksi Wajah Berbasis Pengolahan Citra,†e-Proceeding Eng., vol. 3, no. 3, p. 3, 2016.
D. Purnomo, “Model Prototyping Pada Pengembangan Sistem Informasi,†J I M P - J. Inform. Merdeka Pasuruan, vol. 2, no. 2, pp. 54–61, 2017, doi: 10.37438/jimp.v2i2.67.
W. Nugraha and M. Syarif, “Penerapan Metode Prototype Dalam Perancangan Sistem Informasi Penghitungan Volume Dan Cost Penjualan Minuman Berbasis Website,†JUSIM (Jurnal Sist. Inf. Musirawas), vol. 3, no. 2, pp. 94–101, 2018, doi: 10.32767/jusim.v3i2.331.
R. Ferdiana, F. Jatmiko, D. D. Purwanti, A. S. T. Ayu, and W. F. Dicka, “Dataset Indonesia untuk Analisis Sentimen,†J. Nas. Tek. Elektro dan Teknol. Inf., vol. 8, no. 4, p. 334, 2019, doi: 10.22146/jnteti.v8i4.533.
Z. A. Fikriya, M. I. Irawan, and S. Soetrisno., “Implementasi Extreme Learning Machine untuk Pengenalan Objek Citra Digital,†J. Sains dan Seni ITS, vol. 6, no. 1, 2017, doi: 10.12962/j23373520.v6i1.21754.
R. Rohadi and I. Yulianti, “Uji Efektifitas Pencahayaan Ruang Kuliah Menggunakan Software Calculux Indoor 4.12,†Unnes Phys. J., vol. 6, no. 1, pp. 50–53, 2017.
A.- Arini, L. K. Wardhani, and D.- Octaviano, “Perbandingan Seleksi Fitur Term Frequency & Tri-Gram Character Menggunakan Algoritma Naïve Bayes Classifier (Nbc) Pada Tweet Hashtag #2019gantipresiden,†Kilat, vol. 9, no. 1, pp. 103–114, 2020, doi: 10.33322/kilat.v9i1.878.
