Sistem Keamanan Dua Lapis Dengan Rfid Dan Pendeteksi Objek Dengan Machine Learning

JHONATAN, . (2024) Sistem Keamanan Dua Lapis Dengan Rfid Dan Pendeteksi Objek Dengan Machine Learning. Other thesis, Universitas Pamulang.

	Text COVER.pdf Restricted to Registered users only Download (964kB)
	Text BAB I.pdf Restricted to Registered users only Download (176kB)
	Text BAB II.pdf Restricted to Registered users only Download (459kB)
	Text BAB III.pdf Restricted to Registered users only Download (455kB)
	Text BAB IV.pdf Restricted to Registered users only Download (743kB)
	Text BAB V.pdf Restricted to Registered users only Download (134kB)
	Text JURNAL.pdf Restricted to Registered users only Download (736kB)

Abstract

Sistem keamanan pada pintu rumah masih banyak yang menggunakan sistem penguncian manual dengan kunci fisik. Selain itu, perangkat sistem keamanan yang telah dipasarkan banyak ditemui dengan berbagai fitur yang bervariasi, namun hanya memiliki satu metode sistem keamanan yang digunakan sebagai akses kunci sistem keamanan. Penelitian ini merancang sistem keamanan dua lapis dengan menerapkan dua metode keamanan secara berurutan yaitu melalui Radio Frequency Identification (RFID) dan pendeteksi objek dengan Arduino UNO sebagai mikrokontroler utama. Dalam perancangan perangkat sistem keamanan dua lapis pada pintu ruangan ini, digunakan modul RFID MFRCC22 dan kamera OV2640 pada mikrokontroler ESP32-CAM. Hasil pengujian menunjukkan bahwa perangkat ini dapat berfungsi dengan baik menggunakan kartu RFID pada lapis pertama dan objek berukuran kecil dengan dimensi panjang, lebar, dan tinggi maksimal 20 cm pada lapis kedua. Dengan tegangan operasi perangkat sebesar 5Vdc dan arus listrik yang dibutuhkan sebesar 150mA hingga 250mA, sistem ini memiliki tingkat efisiensi yang tinggi dengan konsumsi daya yang rendah. Waktu respon yang dibutuhkan untuk dapat mengakses sistem keamanan dua lapis ini adalah antara 5,71 detik hingga 6,57 detik. Jarak maksimal antara kartu RFID dengan RFID Reader sebesar 5 cm dan untuk jarak maksimal antara kamera ESP32-CAM dengan objek antara 5 cm sampai dengan 40 cm. Selain itu, jumlah minimal sampel gambar yang dibutuhkan untuk setiap objek dengan posisi dan sudut yang berbeda agar dapat diterapkan pada mikrokontroler ESP32- CAM adalah 75 sampel gambar dengan konfigurasi parameter warna RGB dan ukuran gambar 48x48 piksel sehingga menghasilkan nilai persentase F1-Score sebesar 100% agar mikrokontroler ESP32-CAM dapat mengenali objek antara model objek yang satu dengan model objek lainnya. Nilai F1- Score pada kolom Background adalah 1.00, kolom Charger Hp adalah 1.00, kolom Kunci Motor adalah 1.00, dan kolom Leagoo adalah 1.00.

Item Type:	Thesis (Other)
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Depositing User:	Jejen Juanda
Date Deposited:	19 Nov 2024 08:33
Last Modified:	19 Nov 2024 08:33
URI:	http://repository.unpam.ac.id/id/eprint/15079

Actions (login required)

View Item