UQGRESIKUQGRESIK

Qomaruna: Journal of Multidisciplinary StudiesQomaruna: Journal of Multidisciplinary Studies

Sistem keamanan laboratorium berbasis Internet of Things (IoT) dirancang untuk meningkatkan keamanan dan efisiensi pengawasan. Penelitian ini bertujuan merancang sistem ini menggunakan ESP‑32 CAM (Embedded Serial Peripheral力量 32‑bit Camera), yaitu modul kamera dengan mikrokontroler ESP32 yang memiliki konektivitas Wi‑Fi dan kemampuan pengolahan citra untuk kontrol akses dan monitoring ruangan secara real‑time. Firebase digunakan sebagai platform penyimpanan data wajah berbasis cloud, dan aplikasi Telegram sebagai media pengiriman notifikasi otomatis. Pengujian kontrol akses dilakukan dengan melibatkan 5 sampel pengguna. Sistem mencatat tingkat keberhasilan pengenalan wajah sebesar 90 % (9 dari 10 kali pengujian berhasil), yang dianggap baik berdasarkan ambang akurasi ≥ 85 % untuk aplikasi keamanan. Namun, akurasi menurun pada kondisi non‑ideal, seperti ketika jarak pengguna dari kamera melebihi 30 cm atau sudut pandang wajah tidak sejajar dengan kamera. Delay pengiriman notifikasi ke aplikasi Telegram diuji menggunakan Wireshark dan rata‑rata waktu 18,528 ms, menunjukkan respons cepat secara real‑time. Kamera monitoring (ESP‑32 CAM) berhasil mengirimkan video real‑time ke web pengelola tanpa gangguan signifikan. Hasil pengujian menunjukkan sistem ini memenuhi tujuan perancangan sebagai solusi keamanan laboratorium yang efisien.

Sistem keamanan laboratorium berbasis IoT menggunakan ESP‑32 CAM, Firebase, dan Telegram berhasil memenuhi tujuan perancangan dengan akurasi pengenalan wajah baik dan kontrol akses otomatis.Delai notifikasi ke Telegram rata‑rata 18,528 ms menunjukkan respons real‑time, sehingga pengelola dapat segera menindaklanjuti upaya akses.Kamera ESP‑32 CAM 2 mengirimkan video real‑time ke web tanpa gangguan, memberikan pengawasan visual yang kontinu bagi laboratorium.

Pertama, menginvestigasi kinerja sistem face recognition ketika subjek mengenakan masker atau berada dalam pencahayaan rendah dapat memperluas aplikasi keamanan laboratorium ke kondisi dunia nyata yang lebih variatif. Kedua, menguji algoritma deteksi wajah berbasis deep learning, seperti convolutional neural network (CNN), sebagai alternatif LBPH dapat meningkatkan akurasi pada situasi non‑ideal, sehingga sistem meminimalkan kesalahan identifikasi. Ketiga, menambah sensor lingkungan—misalnya suhu, kelembapan, dan detektor gerak—yang terintegrasi ke platform Firebase memungkinkan sistem memberikan peringatan dini terhadap kondisi berbahaya, memperkuat keamanan laboratorium secara holistik.

  1. Perancangan Sistem Pengenalan Wajah untuk Keamanan Ruangan Menggunakan Metode Local Binary Pattern Histogram... publikasi.mercubuana.ac.id/index.php/jte/article/view/15043Perancangan Sistem Pengenalan Wajah untuk Keamanan Ruangan Menggunakan Metode Local Binary Pattern Histogram publikasi mercubuana ac index php jte article view 15043
Read online
File size2.41 MB
Pages22
DMCAReport

Related /

ads-block-test