Lewati ke konten utama
Beranda / Hasil pencarian

Hasil pencarian

Jelajahi seluruh publikasi yang tersedia.

2 hasil
Subjek: Keamanan rumah
DaftarKartu
ThesisOpen AccessMetadata saja

RANCANG BANGUN SISTEM KEAMANAN PADA RUMAH WALET MENGGUNAKAN SENSOR THERMAL MLX90614 BERBASIS INTERNET OF THINGS

2026•Skripsi, Thesis, Disertasi, dan Tugas Akhir

Keamanan rumah walet pada umumnya masih dilakukan melalui pemantauan secara manual sehingga kurang efisien dan membutuhkan waktu yang relatif lama. Kondisi tersebut berpotensi menimbulkan keterlambatan dalam mendeteksi objek yang dapat mengganggu keberadaan sarang burung walet. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem keamanan rumah walet berbasis Internet of Things (IoT) menggunakan sensor thermal MLX90614, mikrokontroler ESP32, dan metode Rule-Based System. Sistem dirancang untuk mendeteksi suhu objek secara non-kontak, mengklasifikasikan kondisi berdasarkan aturan suhu yang telah ditentukan, serta mengirimkan hasil deteksi dan notifikasi kepada pengguna melalui aplikasi Telegram. Variabel terikat dalam penelitian ini adalah sistem deteksi otomatis rumah walet, yang meliputi tingkat ketepatan sistem dalam mendeteksi kondisi berdasarkan suhu dan kemampuan sistem dalam mengirimkan notifikasi secara real-time. Hipotesis penelitian ini adalah bahwa sistem mampu mendeteksi suhu ruangan dan objek manusia secara real-time menggunakan sensor thermal MLX90614. Hasil penelitian menunjukkan bahwa proses kalibrasi berhasil meningkatkan kesesuaian pembacaan sensor terhadap termometer referensi. Pada objek manusia, error setelah kalibrasi berada pada rentang 0,004°C–0,134°C atau 0,01%–0,37%, sedangkan pada objek ruangan berada pada rentang 0,002°C–0,201°C atau 0,007%–0,57%, dengan nilai koefisien determinasi sebesar R² = 0,9744. Metode Rule-Based System berhasil mengklasifikasikan kondisi berdasarkan rentang suhu yang telah ditentukan dan memungkinkan proses pengambilan keputusan dilakukan secara otomatis. Pengujian komunikasi IoT menunjukkan tingkat keberhasilan pengiriman notifikasi sebesar 100% dengan rata-rata latency sebesar 1.809,3 ms atau sekitar 1,81 detik. Dengan demikian, sistem yang dirancang mampu melakukan deteksi suhu, klasifikasi kondisi, dan pengiriman notifikasi secara terintegrasi sehingga dapat digunakan sebagai salah satu alternatif untuk meningkatkan pemantauan keamanan rumah walet berbasis IoT.

0 dilihat · 0 unduhanSitasiDetail
ThesisOpen AccessMetadata saja

Sistem Deteksi Keamanan Rumah Berbasis Webcam Menggunakan Metode Background Subtraction dan Haar Cascade Classifier

2025•Skripsi, Thesis, Disertasi, dan Tugas Akhir

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.

0 dilihat · 0 unduhanSitasiDetail