Rancang Bangun Sistem Surveillance untuk Keamanan Pintu Rumah dengan Metode PCA- Haar Cascades Berbasis Internet of Things
Abstract
Abstrak
Peningkatan jumlah dan minimnya tingkat penyelesaian kasus kejahatan rumah tangga perlu untuk segera ditangani. problematika ini bisa ditanggulangi dengan menggunakan sistem keamanan berupa sistem pengawas yang dilengkapi dengan notifikasi melalui aplikasi chatting dan sistem penyimpanan cloud storage sehingga dapat diakses di manapun. Penelitian ini fokus pada rancang bangun algoritma Principal Component Analysis (PCA) pada sistem kamera pengawas atau surveillance yang berbasis Internet of Things dan keamanan pintu rumah dengan menggunakan Raspberry Pi dengan pustaka Open Source Computer Vision (OpenCV). Konsep dari rancang bangun sistem ini adalah, saat sistem mendeteksi gerakan, sistem akan capture pergerakan subjek dan sistem akan mengunggah hasil capture tersebut ke akun Dropbox dari pemilik rumah, dan disaat yang bersamaan, sistem akan memberi notifikasi ke akun Telegram pemilik rumah. Sistem pengenalan wajah menggunakan metode PCA mempunyai keakuratan data sebesar 93,75%, dengan nilai error sebesar 6,25%.
Kata Kunci — PCA, Surveillance, Internet of Things.
Abstract
An increase in the number and lack of the resolution household crimes need to immediately treated. To cope with the problems are required the security system of monitoring system equipped with notifications through the application of chat and system storage cloud storage and anywhere in access. This study focused on designed up algorithms Principal Component Analysis (PCA) on camera system superintendent or surveillance based on the internet of things and security the home using raspberry pi with Open Source Computer Vision Library (OpenCV) library. The concept of designed up this system is, when the system detect movement, systems to capture the subject and systems to upload the capture to the accounts dropbox from the homeowner, and at the same time, the system will give notification telegram into account the homeowner. A facial recognition using the pca method have data accuracy of 93,75 %, with value of error is 6,25 %.
Keywords — PCA, Surveillance, Internet of Things.
Sebagai penulis yang sesuai naskah dan atau atas nama semua penulis, saya menjamin bahwa :
- Naskah yang diajukan adalah karya asli saya/kami sendiri.
- Naskah belum dipublikasikan dan tidak sedang diajukan atau dipertimbangkan untuk diterbitkan di tempat lain.
- Teks, ilustrasi, dan bahan lain yang termasuk dalam naskah tidak melanggar hak cipta yang ada atau hak-hak lainnya dari siapa pun.
- Sebagai penulis yang sesuai, saya juga menjamin bahwa "JAEI Editor Journal" tidak akan bertanggung jawab terhadap semua klaim hak cipta dari pihak ketiga atau tuntutan hukum yang dapat diajukan di masa depan, dan bahwa saya akan menjadi satu-satunya orang yang akan bertanggung jawab dalam kasus tersebut.
- Saya juga menjamin bahwa artikel tersebut tidak mengandung pernyataan memfitnah atau melanggar hukum.
- Saya/kami tidak menggunakan metode yang melanggar hukum atau materi selama penelitian.
- Saya/kami memperoleh semua izin hukum yang berkaitan dengan penelitian,
- Saya/kami berpegang pada prinsip-prinsip etika selama penelitian.
- Saya/kami bersedia apabila artikel kami dipublikasikan oleh tim redaksi JAEI
