Search for collections on Undip Repository

PENGEMBANGAN PENGENALAN WAJAH DENGAN PYTHON SEBAGAI METODE AUTENTIKASI PADA SISTEM KONTROL AKSES DAN PEMINJAMAN RUANGAN

Pratama, Yoga (2024) PENGEMBANGAN PENGENALAN WAJAH DENGAN PYTHON SEBAGAI METODE AUTENTIKASI PADA SISTEM KONTROL AKSES DAN PEMINJAMAN RUANGAN. Undergraduate thesis, Universitas Diponegoro.

[thumbnail of 21120117140017_LTA-1-14.pdf] Text
21120117140017_LTA-1-14.pdf

Download (406kB)
[thumbnail of 21120117140017_LTA-15-90.pdf] Text
21120117140017_LTA-15-90.pdf
Restricted to Repository staff only

Download (1MB)

Abstract

Faktor keamanan menjadi permasalahan yang kian nyata seiring perkembangan zaman
dan IPTEK. Departemen Teknik Komputer UNDIP memiliki empat ruang laboratorium yang
dimanfaatkan mahasiswa untuk keperluan kegiatan berkampus. Salah satunya adalah Ruang
Laboratorium Jaringan dan Keamanan Komputer. Akses keluar masuk yang bebas bagi para
mahasiswa menjadi tantangan tersendiri dalam hal keamanan ruangan sekaligus kenyamanan
pengguna ruangan.
Agar akses tersebut lebih diperhatikan, dibuatlah sebuah sistem kontrol akses yang
dapat mengizinkan pengguna untuk memasuki ruangan. Sistem kontrol akses ini dapat dilengkapi
dengan metode autentikasi pengenalan wajah untuk memudahkan pengguna mengakses ruangan.
Dalam penelitian ini, difokuskan dalam pengembangan pengenalan wajah berbasis Python serta
metode-metode pendeteksian dan pengenalan wajah yang memanfaatkan pustaka OpenCV. Setelah
dikembangkan, pengenalan wajah diimplementasikan ke sistem kontrol akses sebagai salah satu
metode autentikasi sehingga membantu mengamankan akses ruangan..
Hasil dari penelitian ini, yaitu dikembangkan sebuah aplikasi pengenalan wajah
berbasis Python yang menerapkan metode Haar-Cascade dan Local Binary Histogram Pattern
(LBPH) dan berhasil diimplementaskan menjadi metode autentikasi lainnya pada sistem kontrol
akses yang ada. Pengujian dilakukan dan didapatkan nilai rerata akurasi sebesar 47,92%, nilai
rerata False Acceptance Rate (FAR) sebesar 52%, dan nilai rerata False Rejection Rate (FRR)
sebesar 19%. Setelah dilakukan penetapan nilai threshold, rerata akurasi meningkat menjadi 78,3%
dengan rerata tertinggi pada jarak 80 cm yaitu 84,25%, rerata FAR menjadi 2,58%, dan rerata
FRR menjadi 19,1%.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Sistem Kontrol Akses, Metode Autentikasi, Pengenalan Wajah, Python, OpenCV.
Subjects: Engineering
Divisions: Faculty of Engineering > Department of Computer Engineering
Depositing User: Teknik Komputer
Date Deposited: 23 Jan 2026 08:18
Last Modified: 23 Jan 2026 08:18
URI: https://eprints2.undip.ac.id/id/eprint/43811

Actions (login required)

View Item View Item