UNIVAUNIVA

Jurnal Al Ulum: LPPM Universitas Al Washliyah MedanJurnal Al Ulum: LPPM Universitas Al Washliyah Medan

Pengelolaan rumah kost tidak hanya berkaitan dengan penyediaan fasilitas hunian, tetapi juga mencakup aspek administrasi pembayaran dan keamanan akses penghuni. Permasalahan yang sering terjadi adalah keterlambatan pembayaran tagihan serta penggunaan sistem kunci konvensional yang rentan terhadap penyalahgunaan, seperti penggandaan kunci dan akses oleh pihak yang tidak berwenang. Kondisi tersebut menyulitkan pemilik kost dalam melakukan pengawasan secara efektif dan real-time. Oleh karena itu, penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem smart doorlock kost berbasis ESP32 yang terintegrasi dengan RFID, Firebase, dan aplikasi mobile, serta dilengkapi dengan deteksi status tagihan menggunakan algoritma Logistic Regression. Sistem bekerja dengan membaca kartu RFID penghuni sebagai akses masuk. Data identitas penghuni kemudian diverifikasi melalui database Firebase untuk mengetahui status pembayaran. Akses pintu hanya diberikan kepada penghuni dengan status pembayaran lunas, sedangkan penghuni dengan status tunggakan akan otomatis dibatasi aksesnya. Algoritma Logistic Regression digunakan untuk memprediksi status pembayaran berdasarkan data riwayat pembayaran, seperti durasi tunggakan dan frekuensi pembayaran tepat waktu. Metode penelitian yang digunakan adalah Research and Development (R&D), yang meliputi tahap identifikasi masalah, studi literatur, perancangan perangkat keras dan perangkat lunak, pengujian sistem, serta analisis hasil. Hasil dari penelitian ini diharapkan mampu meningkatkan keamanan akses pintu kamar kost, mempermudah pemilik kost dalam memantau status pembayaran secara real-time melalui aplikasi mobile, serta menciptakan sistem pengelolaan kost yang lebih efisien, praktis, dan terintegrasi dengan teknologi Internet of Things.

Implementasi sistem smart doorlock berbasis ESP32 dengan logistic regression berhasil memprediksi status pembayaran dan mengendalikan akses pintu secara real-time.Pengujian menunjukkan tingkat keberhasilan pembacaan RFID sekitar 98% dan akurasi klasifikasi status pembayaran sebesar 92%, serta notifikasi mobile berfungsi pada 95% percobaan.Sistem ini meningkatkan keamanan, memudahkan monitoring pembayaran, dan menyederhanakan pengelolaan kost dibandingkan metode konvensional.

Penelitian lanjutan dapat mengeksplorasi penggunaan model pembelajaran mesin alternatif, seperti Random Forest atau Gradient Boosting, untuk meningkatkan akurasi prediksi status pembayaran dan membandingkan performanya dengan Logistic Regression. Selanjutnya, integrasi metode autentikasi biometrik seperti fingerprint atau facial recognition ke dalam sistem smart doorlock dapat diteliti untuk menilai peningkatan keamanan serta penerimaan pengguna dalam konteks kost. Terakhir, studi skalabilitas sistem pada lingkungan multi‑kost atau gedung apartemen besar dapat dilakukan dengan menilai beban jaringan, ketersediaan data real‑time, dan efektivitas manajemen pusat berbasis cloud, sehingga memberikan panduan implementasi pada skala yang lebih luas.

Read online
File size665.04 KB
Pages11
DMCAReport

Related /

ads-block-test