SISTEM KEAMANAN RUMAH BERDASARKAN MULTIFACE RECOGNITION MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

Abstract

Dewasa ini tingkat tindak kriminal semakin meningkat, walau sudah hampir sebagian besar kaum menengah keatas memasang CCTV di setiap sudut rumah, akan tetapi masih terdapat sebuah kekurangan yang cukup fatal yakni pemberitahuan secara langsung kepada pemilik rumah. Tindakan baru bisa dilakukan jika sudah dilakukan identifikasi terhadap rekaman CCTV yang juga memerlukan waktu yang lama. Berdasarkan hal tersebut maka dalam Tugas Akhir ini tergagas sebuah sistem keamanan rumah berdasarkan multiface recognition berbasis Android  menggunakan metode CNN. Dalam penerapanya sistem ini akan mampu mengidentifikasi wajah dari anggota keluarga dan yang bukan termasuk. Bilamana objek yang terdeteksi adalah anggota keluarga maka sistem akan mengirimkan Notifikasi ke smartphone user berupa nama, jam dan tanggal saat objek teridentifikasi. Objek dari selain anggota keluarga yang telah ditentukan oleh user bila teridentifikasi oleh kamera maka sistem akan melakukan pengambilan foto terhadap objek dan akan mengirimkan Notifikasi beserta jam dan tanggal ke smartphone user, hal ini tentu akan meminimalisir dan pencegahan terhadap tindak kriminalitas yang akan dilakukan oleh oknum-oknum tertentu. Sistem yang dibuat pada penelitian ini menunjukkan bahwa metode Convolutional  Neural Network  (CNN) memiliki akurasi yang tinggi sebesar 100% dalam melakukan deteksi terhadap objek/wajah manusia berdasarkan 40 kali pengambilan data. Terdapat beberapa perbedaan pada tingkat akurasi, presisi dan recall pada metode Convolutional  Neural Network  (CNN) yakni, akurasi sebesar 87.5%, presisi sebesar 92.5%, dan recall sebesar 100% berdasarkan 40 kali pengambilan data. Sistem pengiriman notifikasi dengan berbasis Android dan firebase juga bekerja cukup baik dengan presentase keberhasilan dalam mengunggah data berupa data gambar dan string sebesar 100% dan penerimaan notifikasi yang cukup baik dengan presentase keberhasilan 90% dengan berdasarkan pada 20 kali pengambilan data.