Sistem Deteksi Keamanan Rumah Berbasis Webcam Menggunakan Metode Background Subtraction dan Haar Cascade Classifier
Penelitian ini bertujuan untuk mengembangkan sistem keamanan rumah berbasis deteksi gerakan dan pengenalan wajah secara Real-Time yang terintegrasi dengan pengiriman notifikasi melalui Telegram. Sistem dirancang menggunakan metode Background Subtraction untuk mendeteksi pergerakan objek dan Haar Cascade Classifier untuk mengenali wajah manusia. Sistem ini mampu mengidentifikasi penghuni rumah berdasarkan data wajah yang telah dilatih sebelumnya, serta memberikan notifikasi otomatis saat terdeteksi objek manusia yang tidak dikenal. Pengujian dilakukan terhadap tiga jenis objek, yaitu manusia (penghuni rumah dan orang asing), objek acak (seperti powerbank, susu kotak, mie, dan Cookies), serta hewan (kucing), dengan total 30 percobaan. Hasil pengujian menunjukkan bahwa metode Background Subtraction berhasil mendeteksi pergerakan dengan akurasi 100%, sedangkan pengenalan wajah menggunakan Haar Cascade mencapai akurasi 70%. Secara keseluruhan, kedua sistem yang telah digabungkan memperoleh nilai Precision sebesar 84%, Recall sebesar 80.77%, dan F-Measure sebesar 82.36%. Meskipun sistem telah berfungsi sesuai dengan rancangan, masih diperlukan peningkatan dalam hal akurasi pengenalan wajah dan keandalan pengiriman notifikasi, terutama pada kondisi pencahayaan rendah. Selain itu, jarak antara objek dan kamera juga memengaruhi keberhasilan deteksi wajah, di mana jarak yang terlalu jauh atau terlalu dekat dapat menyebabkan kegagalan dalam mengenali fitur wajah dengan baik. Sistem ini dapat meningkatkan keamanan rumah secara efisien dengan mengurangi ketergantungan pada pemantauan manual.