Record Details

PERANCANGAN PENGAMAN BRANGKAS BERBASIS FACE RECOGNITION DENGAN METODE EIGENFACE YANG TERKONEKSI DENGAN HANDPHONE

AMMER : JOURNAL OF ACADEMIC & MULTIDICIPLINE RESEARCH

View Archive Info
 
 
Field Value
 
Title PERANCANGAN PENGAMAN BRANGKAS BERBASIS FACE RECOGNITION DENGAN METODE EIGENFACE YANG TERKONEKSI DENGAN HANDPHONE
—
 
Creator Ko, Erfa Setyoko
 
Description ABSTRAK
Di jaman pandemi seperti sekarang ini kasus kriminal meningkat secara signifikan salah satunya adalah pencurian sehingga mendorong harus adanya alat penyimpanan untuk surat-surat berharga, perhiasan, dan uang sehingga terhindar dari pencurian. Brankas merupakan salah satu alat atau tempat yang biasa digunakan untuk menyimpan barang-barang berharga. Brangkas konvensional yang menggunakan kode kombinasi manual memiliki tingkat keamanan yang masih rendah. Teknologi biometrik dengan pengenalan wajah merupakan salah satu alternatif masalah keamanan brangkas dengan tingkat keamanan lebih tinggi dibandingkan dengan teknologi konvensional. Eigenface merupakan suatu metode yang digunakan untuk mentransformasikan dan mereduksi dimensi dari suatu citra dengan mentransformasikannya menggunakan eigenvalue dan vektor eigen secara linier. Hasil penelitian didapatkan tingkat keakurasian deteksi wajah dengan menggunakan PCA (eigenface) dapat mencapai 95%, ditambah dengan fitur kemanan yang terhubung langsung kepada pemilik brankas menjadikan sistem ini memiliki tingkat keamanan yang cukup tinggi.
ABSTRACT
 
In the current pandemic era, criminal cases have increased significantly, one of which is theft, which encourages the need for storage devices for securities, jewelry, and money so as to avoid theft. Safe is one of the tools or places commonly used to store valuables. Conventional safes that use manual combination codes have a low level of security. Biometric technology with facial recognition is an alternative to safe security problems with a higher level of security compared to conventional technology. Eigenface is a method used to transform and reduce the dimensions of an image by transforming it using eigenvalues ​​and linear eigenvectors. The results showed that the level of accuracy of face detection using PCA (eigenface) can reach 95%, coupled with a security feature that is connected directly to the owner of the safe, making this system has a fairly high level of security.
 
Publisher AMMER : JOURNAL OF ACADEMIC & MULTIDICIPLINE RESEARCH
AMMER : JURNAL OF ACADEMIC & MULTIDICIPLINE RESEARCH
 
Date 2021-10-02
 
Type info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
Peer-reviewed Article
 
Format application/pdf
 
Identifier https://ejournal.uniska-kediri.ac.id/index.php/ammer/article/view/1898
 
Source AMMER : JOURNAL OF ACADEMIC & MULTIDICIPLINE RESEARCH; Vol 1 No 01 (2021): September 2021; 91 - 98
AMMER : JURNAL OF ACADEMIC & MULTIDICIPLINE RESEARCH; Vol 1 No 01 (2021): September 2021; 91 - 98
 
Language eng
 
Relation https://ejournal.uniska-kediri.ac.id/index.php/ammer/article/view/1898/1303
 
Rights Copyright (c) 2021 AMMER : JOURNAL OF ACADEMIC & MULTIDICIPLINE RESEARCH