Sistem pengendali akses pintu menggunakan face recognition berbasis esp32-cam

Pranata, Daniel Marcelino (2025) Sistem pengendali akses pintu menggunakan face recognition berbasis esp32-cam. Undergraduate thesis, Widya Mandala Surabaya Catholic University.

Preview	Text (ABSTRAK) ABSTRAK.pdf Download (951kB) | Preview
Preview	Text (BAB 1) BAB 1.pdf Download (231kB) | Preview
	Text (BAB 2) BAB 2.pdf Restricted to Registered users only Download (862kB) | Request a copy
	Text (BAB 3) BAB 3.pdf Restricted to Registered users only Download (892kB) | Request a copy
	Text (BAB 4) BAB 4.pdf Restricted to Registered users only Download (925kB) | Request a copy
Preview	Text (BAB 5) BAB 5.pdf Download (239kB) | Preview
	Text (LAMPIRAN) LAMPIRAN.pdf Restricted to Registered users only Download (416kB) | Request a copy

Abstract

Sistem keamanan akses konvensional seperti kunci mekanik dan kartu akses memiliki berbagai kelemahan, diantaranya mudah hilang, rusak, atau digandakan. Perkembangan teknologi Internet of Things (IoT) dan biometrik menawarkan solusi keamanan yang lebih canggih dan personal. Penelitian ini bertujuan untuk merancang dan membangun sistem pengendali akses pintu otomatis menggunakan teknologi pengenalan wajah (face recognition) berbasis modul ESP32-CAM. Sistem ini dirancang untuk dapat mengidentifikasi pengguna yang telah terdaftar, mengontrol kunci pintu elektronik, serta melaporkan setiap aktivitas akses melalui notifikasi email. Metodologi perancangan meliputi integrasi perangkat keras seperti ESP32-CAM, modul Relai 2 Saluran, layar OLED, dan Electromagnetic Lock. Untuk pengenalan wajah, sistem ini memanfaatkan algoritma Multi-Task Cascaded Convolutional Networks (MTCNN) untuk deteksi wajah dan arsitektur MobileFaceNet untuk ekstraksi fitur dan pengenalan. Notifikasi email diimplementasikan menggunakan protokol SMTP (Simple Mail Transfer Protocol). Hasil pengujian menunjukkan bahwa sistem dapat berfungsi secara andal dan efektif. Pengujian perangkat keras menunjukkan keberhasilan 100%, di mana catu daya terbukti stabil menyediakan tegangan 4,76 V untuk ESP32-CAM di bawah beban 120 mA dan mampu menangani arus 350 mA untuk Electromagnetic Lock. Sistem berhasil mengenali wajah terdaftar dengan tingkat keberhasilan 100% pada jarak 1 meter , dengan waktu respons rata-rata 3,04 detik. Sistem juga terbukti 70% akurat dalam menolak wajah yang tidak terdaftar. Fitur pelaporan akses melalui email secara fungsional berhasil diimplementasikan untuk mengirim rekap data setiap 5 menit , namun memiliki tingkat keberhasilan pengiriman sebesar 71,4% yang dipengaruhi oleh konektivitas server SMTP. Secara keseluruhan, integrasi perangkat keras dan perangkat lunak telah berhasil, membuktikan bahwa sistem dapat mencapai tujuannya sebagai solusi keamanan yang efektif

Item Type:	Thesis (Undergraduate)
Department:	S1 - Teknik Elektro
Contributors:	Contribution Contributors NIDN / NIDK Email Thesis advisor Sitepu, Rasional NIDN0727036201 UNSPECIFIED Thesis advisor Angka, Peter Rhatodirdjo NIDN0703096101 UNSPECIFIED
Uncontrolled Keywords:	face recognition, esp32-cam, mtcnn, mobilefacenet, internet of things (iot), electromagnetic lock, smtp.
Subjects:	Engineering > Electrical Engineering
Divisions:	Faculty of Engineering > Electrical Engineering Study Program
Depositing User:	Daniel Marcelino Pranata
Date Deposited:	11 Jul 2025 02:02
Last Modified:	11 Jul 2025 02:02
URI:	https://repositori.ukwms.ac.id/id/eprint/43604

Actions (login required)

View Item