PROPOSAL PROYEK AKHIR

TAHUN AJARAN 2014/2015

FACE DETECTION DAN KODE PASSWORD

UNTUK SISTEM KEAMANAN RUMAH

Oleh
DIAN NEIPA PURNAMASARI
NRP. 1203121007

PROGRAM STUDI TEKNIK TELEKOMUNIKASI

POLITEKNIK ELEKTRONIKA NEGERI SURABAYA
JANUARI, 2015

LEMBAR PENGESAHAN PROPOSAL PROYEK AKHIR

TAHUN 2014/2015

FACE DETECTION DAN KODE PASSWORD

UNTUK SISTEM KEAMANAN RUMAH

Oleh
Dian Neipa Purnamasari
NRP. 1203121007

Proposal Proyek Akhir ini Diajukan untuk

Dilanjutkan sebagai Proyek Akhir
di
Program Studi Teknik Telekomunikasi - Politeknik Elektronika Negeri Surabaya,
Disetujui Oleh :
Tim Penguji :

Dosen Pembimbing :

1. 1. Akuwan Saleh, S.ST., MT.

NIP.
NIP. 196711231989021001

2. 2. Haryadi Amran, S.ST., MT.

NIP.
NIP. 197001021995121001

3.
NIP.
Abstrak

Rasa cemas pasti pernah melanda ketika meninggalkan rumah tanpa penghuni atau
berada di rumah sendirian. Faktanya banyak rumah yang ditinggal oleh pemiliknya dibobol
oleh pencuri tanpa diketahui oleh pemiliknya. Untuk itu diperlukan suatu informasi
keamanan rumah tangga yang cepat dan efektif agar pemilik rumah dapat langsung
mengetahui informasi apabila rumahnya akan dibobol. Perkembangan teknologi saat ini
memungkinkan untuk mengontrol keamanan rumah secara otomatis. Terutama
pengamanan terhadap akses pintu masuk (access control). Pada proyek akhir ini dibahas
tentang suatu sistem informasi keamanan rumah yang dilengkapi sebuah kamera dan
keypad yang dipasang di pintu rumah, selanjutnya sebagai pemrosesnya digunakan
Arduino Mega 2560. Kemudian untuk menginformasikan ke handphone pemilik rumah
digunakan GSM Module yang dikomunikasikan secara serial dengan PC. Cara kerjanya
yaitu kamera akan mendeteksi adanya keberadaan orang yang berada didepan pintu dengan
jarak tertentu, kemudian jika pemilik rumah akan memasuki rumah maka pemilik harus
memasukkan password melalui Keypad terlebih dahulu untuk men-off kan sistem
alarmnya. Jika password berbeda maka mikrokontroller akan mengirimkan sinyal menuju
PC untuk membunyikan sebuah alarm dalam bentuk file suara (*.wav). Hasil data berupa
gambar akan diolah pada PC menggunakan aplikasi face detection yaitu aplikasi OpenCV.
Setelah semua data telah diolah maka akan dikirimkan menuju sebuah GSM Module yang
nantinya akan dikirim menuju seluruh pemilik rumah.
Kata kunci : Face Detection, Sistem keamanan rumah, Mikrokontroler

1. Judul Penelitian :
Face Detection dan Kode Password untuk Sistem Keamanan Rumah
2. Ruang Lingkup :
Ruang lingkup dari penelitian berkisar pada materi di bawah ini:
1. Mikrokontroler dan Interface
2. Komunikasi Serial
3. Pemrograman Dekstop
3. Tujuan :
Tugas akhir ini bertujuan untuk membangun sebuah sistem keamanan yang berbasis
teknologi face detection untuk mendeteksi wajah dan kode password sehingga sistem
keamanan ini bisa menjaga rumah ketika rumah sedang kosong ataupun pemilik
rumah sedang istirahat.
4. Latar Belakang :
Pada umumnya aktifitas orang yang tinggal di perkotaan besar begitu banyak dan
padat sehingga menjadikannya jarang berada di rumah. Seperti diketahui bahwa di
perkotaan besar rawan sekali terjadi tindakan kejahatan termasuk perampokan ataupun
pencurian. Tindak kejahatan yang terjadi pada lingkungan rumah akhir-akhir ini
semakin sering terjadi, angka kriminalitas pun semakin meningkat. Para Pencuri
biasanya menarget rumah-rumah kosong atau yang ditinggal oleh penghuninya dan
biasanya modusnya dengan mencongkel atau merusak pintu[1]. Jadi untuk menghindari
hal tersebut biasanya pemilik rumah memberikan pengamanan terhadap rumahnya
yaitu dengan hanya memberi pengaman kunci konvensional yaitu yang biasanya
berupa kunci gembok, kunci rantai dan sebagainya. Namun ada juga sebagian rumahrumah besar yang memakai jasa keamanan yaitu satpam atau hansip sehingga harus
membayar lebih untuk menggaji mereka. Sehingga menimbulkan kekhawatiran oleh
pemilik rumah jika rumah ini ditinggal oleh pemiliknya.
Dengan adanya masalah tersebut maka penelitian ini memberi solusi dengan dibuat
sebuah sistem informasi keamanan rumah tangga menggunakan face detection dengan
kamera untuk mendeteksi adanya wajah seseorang serta tambahan password yang
dimiliki pemilik rumah yang nantinya informasinya akan dikirimkan melalui GSM
Module.
5. Perumusan Masalah dan Batasan Masalah :
Berdasarkan latar belakang yang telah
rumusan masalah sebagai berikut :

dijelaskan sebelumnya, maka didapat

1. Sering adanya pembobolan yang disebabkan kurangnya tingkat keamanan di

rumah.
2. Bagaimana membuat suatu sistem keamanan rumah yang bisa memberi
informasi secara cepat ke pihak yang bersangkutan?
3. Bagaimana mengganti kunci konvensional dengan kunci digital yang lebih
aman?

4. Meningkatkan keamanan rumah dengan kamera yang dapat membantu melacak

pembobol.
Batasan-batasan masalah yang digunakan dalam tugas akhir ini antara lain sebagai
berikut :
1. Alat ini diaplikasikan untuk satu buah pintu rumah, dan tidak mencakup
jendela.
2. Jumlah penghuni yang memiliki password adalah 4.
3. Setiap penghuni memiliki password yang berbeda dengan kombinasi angka dan
huruf.
4. Sistem penghuni yang hendak memasuki rumah adalah satu persatu atau tidak
secara bersamaan.
5. Wajah yang akan dideteksi adalah wajah yang menghadap ke depan, dalam
posisi tegak, dan tidak terhalangi sebagian oleh objek lain.
6. Sistem hanya ditujukan untuk mengamankan rumah kosong dengan
menggunakan face detection, kode password dan alarm berupa (.wav) tanpa
menggunakan sensor deteksi lainnya.
6. Tinjauan Pustaka
a. Penelitian Sebelumnya
Beberapa penelitian terkait dengan sistem keamanan rumah sudah pernah dilakukan
sebelumnya, diantaranya adalah :
1. Penelitian Agung Setiawan[2] membahas tentang bagaimana membuat sistem
keamanan rumah menggunakan webcam dan fingerprint. Penggunaan kamera
dan fingerprint bertujuan untuk mengetahui adanya pencuri yang dapat
dipantau kapan dan dimana saja melalui sms dan hasil capture yang dapat
diakses melalui internet.
2. Penelitian Muhammad Hilman Kasyidi, dkk[3] membahas tentang sebuah
sistem informasi keamanan rumah tangga dengan menggunakan multisensor
untuk mendeteksi adanya orang atau tidak dengan menggunakan sensor PIR
dan sensor InfraRed yang nantinya informasinya akan dikirimkan melalui sms
gateway.
3. Penelitian Prayogi, dkk[4] membahas bagaimana sistem deteksi wajah
memproses gambar dari obyek bergerak. Pemrosesan gambar ini bertujuan
untuk mencari wajah dari gambar obyek bergerak yang telah ditangkap,
kemudian gambar tersebut diolah dengan memisahkan gambar dengan latar
belakangnya, sehingga hanya bagian yang dianggap kulit yang ditampilkan
sedangkan bagian yang bukan kulit akan dihitamkan. Untuk metode
pencocokkan dengan template wajah yang disimpan dalam lima kelas dengan
menggunakan metode Euclidean Distance.
b.

Teori Penunjang
1. Deteksi Wajah
Deteksi wajah dapat dipandang sebagai masalah klasifikasi pola dimana
inputnya adalah citra masukan dan akan ditentukan output yang berupa label
kelas dari citra tersebut. Dalam hal ini terdapat dua label kelas, yaitu wajah dan
non-wajah. Teknik-teknik pengenalan wajah yang dilakukan selama ini banyak
yang menggunakan asumsi bahwa data wajah yang tersedia memiliki ukuran
yang sama dan latar belakang yang seragam. Di dunia nyata, asumsi ini tidak
selalu berlaku karena wajah dapat muncul dengan berbagai ukuran dan posisi

di dalam citra dan dengan latar belakang yang bervariasi. Pendeteksian wajah
(face detection) adalah salah satu tahap awal yang sangat penting sebelum
dilakukan proses pengenalan wajah (face recognition). Bidang-bidang
penelitian yang berkaitan dengan pemrosesan wajah (face processing) adalah :
Pengenalan wajah (face recognition) yaitu membandingkan citra wajah
masukan dengan suatu database wajah dan menemukan wajah yang paling
cocok dengan citra masukan tersebut.
Autentikasi wajah (face authentication) yaitu menguji keaslian/kesamaan
suatu wajah dengan data wajah yang telah diinputkan sebelumnya.
Lokalisasi wajah (face localization) yaitu pendeteksian wajah namun
dengan asumsi hanya ada satu wajah di dalam citra
Penjejakan wajah (face tracking) yaitu memperkirakan lokasi suatu wajah di
dalam video secara real time.
Pengenalan ekspresi wajah (facial expression recognition) untuk mengenali
kondisi emosi manusia.

Gambar 1. Contoh Hasil Deteksi Wajah

(diambil dari http://www.slideshare.net/gunawanHR/sistem-pendeteksiwajah)
Tantangan yang dihadapi pada masalah deteksi wajah disebabkan oleh adanya
faktor-faktor berikut:
Posisi wajah
Posisi wajah di dalam citra dapat bervariasi karena posisinyabisa tegak,
miring, menoleh, atau dilihat dari samping.
Komponen-komponen pada wajah yang bisa ada atau tidak ada, misalnya
kumis, jenggot, dan kacamata.
Ekspresi wajah
Penampilan wajah sangat dipengaruhi oleh ekspresi wajah seseorang,
misalnya tersenyum, tertawa, sedih, berbicara, dan sebagainya

 Terhalang objek lain

Citra wajah dapat terhalangi sebagian oleh objek atau wajah lain, misalnya
pada citra berisi sekelompok orang.
Kondisi pengambilan citra
Citra yang diperoleh sangat dipengaruhi oleh faktor-faktor seperti intensitas
cahaya ruangan, arah sumber cahaya, dan karakteristik sensor dan lensa
kamera.
Penelitian dari Nugroho dkk[5] mengelompokkan metode deteksi wajah
menjadi empat kategori, yaitu:
1. Knowledge-based method. Metode ini kebanyakan digunakan untuk
lokalisasi wajah.
2. Feature invariant approach. Metode ini kebanyakan digunakan untuk
lokalisasi wajah.
3. Template matching method. Metode ini digunakan untuk lokalisasi wajah
maupun deteksi wajah.
4. Appearance-based method. Metode ini kebanyakan digunakan untuk
deteksi wajah.
1.1. Knowledge-Based Method
Metode ini menggunakan dasar aturan-aturan yang biasanya
digunakan oleh manusia untuk menentukan apa saja yang membentuk
suatu wajah. Pada pendekatan ini, metode deteksi wajah
dikembangkan berdasar pada aturan (rule) yang didapat dari
pengetahuan para peneliti tentang wajah manusia.
Sebagai contoh, suatu wajah di dalam citra biasanya memiliki dua
buah mata yang simetris, sebuah hidung, dan sebuah mulut. Relasi
antara fitur-fitur tersebut dapat direpresentasikan sebagai jarak atau
posisi. Pada tahap pertama fitur-fitur wajah diekstraksi lebih dulu,
kemudian kandidat wajah ditentukan berdasarkan aturan yang dipakai.
Masalah utama pada pendekatan ini adalah kesulitan dalam
menerjemahkan pengetahuan manusia ke dalam aturan yang akan
dipakai. Jika aturannya terlalu detail (strict), maka akan sering gagal
mendeteksi wajah yang tidak memenuhi aturan tersebut. Jika
aturannya terlalu umum (general), akan menghasilkan terlalu banyak
false positive. Masalahnya akan bertambah sulit jika harus mendeteksi
wajah dengan pose yang bervariasi karena aturan yang dipakai harus
dapat menghadapi semua kemungkinan yang ada. Metode ini biasanya
hanya dapat bekerja dengan baik pada wajah frontal dan tegak dengan
latar belakang sederhana.
1.2. Feature Invariant Approach
Algoritma pada metode ini bertujuan untuk menemukan fitur-fitur
struktural dari wajah yang tetap eksis meskipun terdapat variasi pose,
sudut pandang, dan kondisi cahaya. Pada pendekatan ini, para peneliti
mencoba menemukan fitur-fitur yang tidak berubah (invariant) pada
wajah. Asumsi ini didasarkan pada observasi bahwa manusia dapat
dengan mudah mendeteksi wajah dengan berbagai pose dan kondisi
cahaya, sehingga disimpulkan bahwa pasti ada sifat-sifat atau fitur-

fitur yang bersifat invariant. Fitur wajah seperti alis, mata,hidung,

mulut, biasanya diekstraksi dengan edge detector. Selanjutnya
dibentuk suatu model statistik yang mendeskripsikan hubungan antara
fitur-fitur tersebut untuk menentukan ada tidaknya wajah.
Warna kulit manusia juga dapat digunakan untuk membantu
memperkirakan area wajah. Namun biasanya deteksi warna kulit ini
dikombinasikan dengan metode lainnya seperti shape analysis dan
motion information.
1.3. Template Matching
Pada metode ini akan disimpan beberapa pola wajah standar
untuk mendeskripsikan wajah secara keseluruhan maupun bagianbagiannya. Pada saat pendeteksian akan dihitung korelasi antara citra
input dengan citra pola wajah yang tersimpan sebelumnya.
Pada pendekatan ini, para peneliti mencoba menemukan fitur-fitur
yang tidak berubah (invariant) pada wajah. Asumsi ini didasarkan pada
observasi bahwa manusia dapat dengan mudah mendeteksi wajah
dengan berbagai pose dan kondisi cahaya, sehingga tentunya ada sifatsifat atau fitur-fitur yang bersifat invariant. Fitur wajah seperti alis,
mata, hidung, mulut, biasanya diekstraksi dengan edge detector.
Selanjutnya dibentuk suatu model statistik yang mendeskripsikan
hubungan antara fitur-fitur tersebut untuk menentukan ada tidaknya
wajah.
1.4. Appearance-Based Method
Pada metode ini, model wajah dipelajari melalui proses training
dengan menggunakan satu set data pelatihan yang berisi contoh-contoh
wajah. Kemudian hasil training ini digunakan untuk mendeteksi wajah.
Secara umum metode ini menggunakan teknik-teknik dari analisa
statistik dan machine learning untuk menemukan karakteristikkarakteristik yang relevan dari wajah maupun non-wajah.
2. OpenCV Library
OpenCV adalah suatu library gratis yang dikembangkan oleh developerdeveloper Intel Corporation. Library ini terdiri dari fungsi- fungsi computer
vision dan image processing tingkat tinggi. OpenCV sangat disarankan untuk
programmer yang akan berkutat pada bidang computer vision, karena library
ini mampu menciptakan aplikasi yang handal, kuat dibidang digital vision.
Karena library ini bersifat cuma- cuma dan sifatnya yang open source, maka
dari itu OpenCV tidak dipesan khusus untuk pengguna arsitektur Intel, tetapi
dapat dibangun pada hampir semua arsitektur.
Saat ini para developer dari Intel Corporation telah membuat berbagai
macam versi, yaitu:
openCV untuk bahasa pemrograman C/C++,
openCV untuk bahasa pemograman C# (masih dalam tahap pengembangan)
openCV untuk bahasa pemrograman Java.
Untuk bahasa pemograman C# dan Java, karena masih dalam tahap

pengembangan, maka kita membutuhkan library lain sebagai pelengkap

kekurangan yang ada. Namun untuk bahasa pemograman C/C++ tidak
memerlukan library lainnya untuk pemrosesan pada computer vision.
Struktur OpenCV
OpenCV menggunakan struktur IplImage untuk menciptakan dan
menangani hgambar. Maka dari itu, semua hal yang berhubungan dengan
gambar/image harus ditampung pada variable tersebut. Kelebihan dari
variable IplImage adalah dapat menampung semua format gambar, baik itu
bitmap, png ataupun jpeg, sehingga tidak membutuhkan konversi dari suatu
format ke format yang lainnya. Sebagai contoh: .width. adalah lebar dari
image/gambar, .height. adalah tinggi dari image/gambar, .nChannels. jumlah
channel (1 jika gray level image dan 3 jika color level image).
Setiap fungsi yang ada pada library OpenCV menggunakan cv pada awal
permulaan
nama
fungsinya,
misalnya,
cvSeq,
cvCreateImage,
cvNamedWindow , dan lain sebagainya. Library OpenCV dibagi ke dalam 3
bagian, yaitu:

CV
Didalamnya terdapat fungsi-fungsi yang berkaitan dengan computer
vision, misalnya histogram, template matching, optical flow, dan
sebagainya.

CXCORE,
Pada bagian ini terdapat fungsi-fungsi yang menangani hal-hal yang
berkaitan dengan penulisan dan pembacaan data dari suatu file,
penanganan tentang penggunaan memori dan lain sebagainya.

HighGUI,
Yang terakhir, highGUI, merupakan kumpulan fungsi - fungsi yang
berkaitan dengan windowing, loading file video, dan lain sebagainya
yang berkaitan dengan Graphical User Interface (GUI)

3. Arduino Mega 2560

Arduino Mega2560 adalah papan mikrokontroler berbasiskan ATmega2560.
Arduino Mega2560 memiliki 54 pin digital input/output, dimana 15 pin dapat
digunakan sebagai output PWM, 16 pin sebagai input analog, dan 4 pin sebagai
UART (port serial hardware), 16 MHz kristal osilator, koneksi USB, jack
power, header ICSP, dan tombol reset. Ini semua yang diperlukan untuk
mendukung mikrokontroler. Cukup dengan menghubungkannya ke komputer
melalui kabel USB atau power dihubungkan dengan adaptor AC-DC atau
baterai untuk mulai mengaktifkannya. Arduino Mega2560 kompatibel dengan
sebagian besar shield yang dirancang untuk Arduino Duemilanove atau
Arduino Diecimila. Arduino Mega2560 adalah versi terbaru yang
menggantikan versi Arduino Mega.

Gambar 2. Modul Arduino Mega

(diambil dari http://arduino.cc/en/Main/arduinoBoardMega2560)
Arduino Mega2560 berbeda dari papan sebelumnya, karena versi terbaru
sudah tidak menggunakan chip driver FTDI USB-to-serial. Tapi, menggunakan
chip ATmega16U2 (ATmega8U2 pada papan Revisi 1 dan Revisi 2) yang
diprogram sebagai konverter USB-to-serial. Arduino Mega2560 Revisi 2
memiliki resistor penarik jalur HWB 8U2 ke Ground, sehingga lebih mudah
untuk dimasukkan ke dalam mode DFU.
Arduino Mega2560 Revisi 3 memiliki fitur-fitur baru berikut:

1.0 pinout : Ditambahkan pin SDA dan pin SCL yang dekat dengan pin
AREF dan dua pin baru lainnya ditempatkan dekat dengan pin RESET,
IOREF memungkinkan shield untuk beradaptasi dengan tegangan yang
tersedia pada papan. Di masa depan, shield akan kompatibel baik dengan
papan yang menggunakan AVR yang beroperasi dengan 5 Volt dan dengan
Arduino Due yang beroperasi dengan tegangan 3.3 Volt. Dan ada dua pin
yang tidak terhubung, yang disediakan untuk tujuan masa depan.

Sirkuit RESET.

Chip ATmega16U2 menggantikan chip ATmega8U2.

7. Metodologi :
Pada tugas akhir ini, terdapat beberapa tahapan yang harus dilakukan diantaranya
perancangan sistem yang meliputi pemrograman C++ untuk deteksi wajah, dan
mengindentifikasi kode password yang diinputkan dengan data password pada
mikrokontroller yang nantinya akan menunjukan bahwa user yang memasuki rumah
adalah pemilik atau pencuri.
Rincian tahapan yang akan ditempuh adalah sebagai berikut :

7.1. Rancangan Sistem

Gambar 3. Ilustrasi Rancangan Sistem

Gambar 4. Blok Diagram Rancangan Sistem

a.

Deteksi wajah yang mana nantinya akan menentukan apakah wajah pada
gambar yang dikirim ke seluruh penghuni rumah adalah wajah pemilik rumah
atau pencuri. Gambar yang diperoleh dari hasil deteksi wajah akan dilanjutkan
menuju pengiriman informasi.

b.

Input password merupakan kondisi ketika user memasukkan password melalui

keypad dengan ketentuan password memiliki kombinasi huruf dan angka.

c.

Identifikasi password adalah kondisi ketika password yang diinputkan user

melalui keypad dicocokkan dengan data password yang ada pada
mikrokontroller. Identifikasi ini menggunakan logika 0 dan 1. Jika password
sama maka akan dilanjutkan menuju pengiriman informasi. Sedangkan jika
password berbeda maka secara otomatis akan menyalakan alarm dalam bentuk
file suara (*.wav).

d.

Pengiriman informasi adalah kondisi ketika PC telah mendapat gambar dari

hasil deteksi wajah dan kode password dari mikrokontroller. Pengiriman akan
ditujukan ke sebuah GSM Module.
7.2. Pembuatan Sistem
Sistematika pembuatan hardware dan software disesuaikan dengan design
yang telah ditentukan pada tahap perancangan sistem.

Pembuatan Hardware

Gambar 5. Komunikasi Keypad, LCD dan Arduino

Keypad dan LCD dihubungkan pada port digital arduino. Berikut adalah
hubungan antara keypad dan arduino:
Pin A pada keypad terhubung pada pin 22.
Pin B pada keypad terhubung pada pin 23.
Pin C pada keypad terhubung pada pin 24.
Pin D pada keypad terhubung pada pin 25.
Pin 1 pada keypad terhubung pada pin 26.
Pin 2 pada keypad terhubung pada pin 27.
Pin 3 pada keypad terhubung pada pin 28.
Pin 4 pada keypad terhubung pada pin 29.
Sedangkan untuk LCD, berikut adalah hubungan antara LCD dan arduino:
Pin RS pada keypad terhubung pada pin 37.
Pin RW pada keypad terhubung pada pin 36.
Pin E pada keypad terhubung pada pin 35.
Pin D4 pada keypad terhubung pada pin 33.
Pin D5 pada keypad terhubung pada pin 32.
Pin D6 pada keypad terhubung pada pin 31.
Pin D7 pada keypad terhubung pada pin 30.

Pembuatan Software
Microsoft Visual C++ dengan Library OpenCV
Arduino

7.3. Pengujian Sistem

Pada tahap ini dilakukan pengujian sistem untuk mengetahui hasil dari kinerja
sistem yang telah dibuat sebelumnya, serta melakukan perbaikan jika masih
terdapat kesalahan. Adapun pengujian alat ini dilakukan pada tiap komponenkomponen yang ada pada sistem, antara lain :
a. Pengujian deteksi wajah.

Gambar 6. Pengujian Deteksi Wajah

b. Pengujian komunikasi antara Webcam dengan PC.

Gambar 7. Komunikasi antara Webcam dengan PC

c. Pengujian komunikasi antara Keypad dengan Mikrokontroller.

Gambar 8. Komunikasi antara Keypad dengan Mikrokontroller

d. Pengujian komunikasi serial antara Mikrokontroller dengan PC.

Gambar 9. Komunikasi serial antara Mikrokontroller dengan PC

e. Serta pengujian alat secara keseluruhan.

Gambar 10. Pengujian secara keseluruhan

7.4. Analisa dan Kesimpulan Hasil Penelitian
Pada tahap akhir ini dilakukan analisa dan evaluasi terhadap kinerja sistem agar
sesuai dengan keadaan yang sebenarnya kemudian mengambil suatu kesimpulan
dari hasil pengujian.
8. Hasil yang Diharapkan
Dari penelitian ini diharapkan mampu memberikan informasi tentang pembobol
serta memberikan kenyamanan pada pemilik rumah terhadap tingkat keamanan di
rumah.
9. Relevansi
Hasil dari penelitian ini dapat berkontribusi untuk meningkatkan sistem keamanan
dengan memberikan informasi tentang pembobol, serta penelitian ini juga dapat
diimplementasikan di berbagai tempat selain di rumah, antara lain kantor dan
minimarket.

10. Jadwal Kegiatan

Tabel 1. Jadwal Kegiatan
KEGIATAN/
NO

BULAN

PENANGGUNG
JAWAB

Studi literatur

Perancangan Sistem

Pembuatan Sistem

Pengujian Sistem

Analisa Kinerja Sistem

Membuat laporan

11. Rencana Pembiayaan

Tabel 2. Rencana Pembiayaan

No.

Uraian

1
2
3
4
5
6
7
8
9

Pembuatan Proposal
Kertas A4 80 gram
Tinta
Pembuatan Buku
Penggandaan/fotokopi
Arduino Mega 2560
Keypad 4x4
Webcam Logitech C525
LCD 16x2
TOTAL

Harga Satuan
Rp.
Rp.
Rp.
Rp.
Rp.
Rp.
Rp.
Rp.
Rp.

15.000,30.000,25.000,50.000,200.000,731.000,37.500,610.000,50.000,-

Jumlah
4 buah
2 buah
2 buah
7 buah
1 buah
1 buah
1 buah
1 buah

Total (Rp)
Rp.
Rp.
Rp.
Rp.
Rp.
Rp.
Rp.
Rp.
Rp.
Rp.

60.000,60.000,50.000,350.000,200.000,731.000,37.500,610.000,50.000,2.148.500,-

12. Daftar Pustaka

[1] http://www.google.com [3 September 2014]
[2] Setiawan, Agung. PEMBUATAN PERANGKAT LUNAK SISTEM KEAMANAN
RUMAH VIA SMS BERBASIS MIKROKONTROLER AVR ATMEGA8535
DENGAN BAHASA PEMROGRAMAN C DAN PDU. Jurusan Fisika
Universitas Diponegoro; 2008.
[3] Muhammad Hilman Kasyidi, dkk. RANCANG BANGUN SISTEM INFORMASI
KEAMANAN RUMAH TANGGA BERBASIS MIKROKONTROLLER DAN SMS
GATEWAY. Jurusan Teknik Elektronika PENS-ITS, Surabaya.
[4] Prayogi, S., Puspita, E ., Susetyoko, R., Sistem Deteksi Wajah Pada Sistem
Pengaman Lingkungan Berdasarkan Deteksi Obyek Bergerak Menggunakan
Kamera, Jurusan Teknik Elektronika PENS-ITS, Surabaya. 2007
[5] Rijal, Y., Ariefianto, D., Deteksi Wajah Berbasis Segmentasi Model Warna
Menggunakan Template Matching pada Objek Bergerak, Seminar Nasional
Aplikasi Teknologi Informasi, Yogyakarta. 2008