SISTEM AKSES GATE GEDUNG MENGGUNAKAN FACE

RECOGNITION DENGAN RASPBERRY PI

TUGAS AKHIR

Immanuel Ekoputro Wibisono

2015071001

PROGRAM STUDI INFORMATIKA

FAKULTAS TEKNOLOGI DAN DESAIN
UNIVERSITAS PEMBANGUNAN JAYA
TANGERANG SELATAN
2018
SISTEM AKSES GATE GEDUNG MENGGUNAKAN FACE RECOGNITION
DENGAN RASPBERRY PI

TUGAS AKHIR

Diajukan untuk memenuhi salah satu syarat memperoleh gelar sarjana dalam
Bidang Informatika pada Fakultas Teknologi dan Desain, Universitas
Pembangunan Jaya

Immanuel Ekoputro Wibisono

2015071001

PROGRAM STUDI INFORMATIKA

FAKULTAS TEKNOLOGI DAN DESAIN
UNIVERSITAS PEMBANGUNAN JAYA
TANGERANG SELATAN
2018

i
 PERSETUJUAN DOSEN PEMBIMBING TUGAS AKHIR

SISTEM AKSES GATE GEDUNG MENGGUNAKAN FACE RECOGNITION

DENGAN RASPBERRY PI

Nama : ……………………………………

NIM : ……………………………………

Program Studi : ……………………………………

Telah diperiksa dan disetujui dan dipertahankan dalam Sidang Tugas Akhir guna
memperoleh gelar Sarjana S.Kom Starata Satu pada Program Studi Informatika,
Fakultas Teknologi dan Desain, Universitas Pembangunan Jaya.

Tangerang Selatan, ………….

Menyetujui :

Pembimbing Utama

(Nama Dosen)
NIP

Mengetahui,
Dekan Fakultas Teknologi dan Desain Kepala Program Studi

(Nama Dekan) (Nama Kaprodi)

NIP NIP

ii
 LEMBAR PENGESAHAN TUGAS AKHIR

SISTEM AKSES GATE GEDUNG MENGGUNAKAN FACE RECOGNITION

DENGAN RASPBERRY PI

TUGAS AKHIR

Oleh :

Immanuel Ekoputro Wibisono

2015071001
Telah dinyatakan lulus dalam ujian Sarjana / Tugas Akhir
Pada Hari / Tanggal ………………..

Tanda Tangan Tanggal

Pembimbing Utama :
Nama Lengkap
NIP ……………………. …………………….

Dosen Penguji :
Nama Lengkap
……………………. …………………….
NIP

Nama Lengkap
……………………. …………………….
NIP

Menyetujui : Mengetahui :

Kepala Program Studi Informatika Dekan Fakultas Teknologi dan Desain

Universitas Pembangunan Jaya Universitas Pembangunan Jaya

Nama Lengkap Nama Lengkap

NIP NIP
Tanggal Tanggal

iii
Surat Pernyataan Mengenai Originalitas Tugas Akhir dan Sumber Informasi
Serta Pelimpahan Hak Cipta
Saya mahasiswa Universitas Pembangunan Jaya, yang bertanda tangan
dibawah ini :
Nama Mahasiswa : ………………………………………………
NIM : ………………………………………………
Program Studi : ………………………………………………
Menyatakan dengan sesungguhnya bahwa hasil Tugas Akhir / Tugas Akhir saya
yang Berjudul :
………………………………………………………………………………………….......
1. Adalah benar – benar merupakan hasil karya saya sendiri, apabila di kemudian
hari diketahui bahwa Tugas Akhir ini merupakan hasil plagiarism, maka saya
bersedia menerima sanksi berupa pembatalan dana tau pencabutan gelar
Sarjana yang saya peroleh.
2. Adalah benar karya saya dengan arahan dari Tim pembimbing dan belum
pernah diajukan dalam bentuk apapun kepada Perguruan Tinggi mana pun.
Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun
tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan
dalam Daftar Pustaka di bagian akhir Tugas Akhir / Tugas Akhir ini. Dengan ini
saya melimpahkan Hak Cipta dari Tugas Akhir / Tugas Akhir saya kepada
Universitas Pembanggunan Jaya.

Demikian surat pernyataan ini saya buat untuk dipergunakan sebagaimana

mestinya.
Tangerang Selatan, …………….. 20...
Peneliti

Materai Rp 6000,-

Nama : ……………………………..
Nim : ……………………………..

iv
 KATA PENGANTAR

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Sed pretium, velit ac
tempus cursus, ipsum nisi gravida nibh, vitae tempus lacus risus eget orci. Fusce
rhoncus eleifend mauris auctor fermentum. Nulla molestie iaculis metus sed mattis.
Cras et iaculis dolor, nec condimentum dui. Etiam volutpat bibendum tincidunt.
Aenean ullamcorper fringilla sapien, sollicitudin vestibulum massa porttitor eget.
Aliquam feugiat elit convallis fermentum feugiat. Nullam egestas urna risus, ut
euismod mauris vestibulum vel. Class aptent taciti sociosqu ad litora torquent per
conubia nostra, per inceptos himenaeos. Nulla eleifend dolor efficitur nunc
rhoncus, eu vulputate ipsum blandit. Nam ut feugiat orci. Nunc in tellus odio.
Vestibulum ante ipsum primis in faucibus orci luctus et ultrices posuere cubilia
Curae;

Fusce eu feugiat erat, at fermentum nisl. Mauris eu pretium neque. Curabitur

rhoncus turpis id nisi tempus tempor. Praesent auctor diam sit amet volutpat
volutpat. Praesent sed ultricies enim. Vestibulum placerat, ex quis vestibulum
mattis, mi leo finibus lectus, a venenatis ex turpis a diam. Curabitur egestas arcu
aliquet mattis facilisis.

Tangerang, ………………
Penulis

v
 DAFTAR ISI

DAFTAR ISI ........................................................................................................ vi

DAFTAR GAMBAR ............................................................................................ viii
BAB I PENDAHULUAN........................................................................................ 1
1.1 Latar Belakang Masalah ........................................................................ 1
1.2 Rumusan Masalah ................................................................................. 1
1.3 Tujuan Penelitian ................................................................................... 2
1.4 Manfaat Penelitian ................................................................................. 2
1.5 Sistematika Penulisan ........................................................................... 2
BAB II TINJAUAN REFERENSI ........................................................................... 4
2.1 Tinjauan Penelitian Terdahulu ............................................................... 4
2.2 Tinjauan Teoritis .................................................................................... 5
2.2.1 Sistem Kontrol ................................................................................ 5
2.2.2 Raspberry PI .................................................................................. 6
2.2.3 Solenoida ....................................................................................... 6
2.2.4 Computer Vision ............................................................................. 7
2.2.5 Image Processing ........................................................................... 7
2.2.6 OpenCV ......................................................................................... 7
2.2.7 Haar Classifier ................................................................................ 8
2.2.8 Metode Viola-Jones ........................................................................ 8
BAB III METODE PENELITIAN.......................................................................... 11
3.1 Metode Penelitian ................................................................................ 11
3.2 Pengumpulan Kebutuhan Prototyping ................................................. 11
3.2.1 Membangun Prototipe .................................................................. 11
3.2.2 Evaluasi Prototipe......................................................................... 11
3.2.3 Pengkodean Prototipe .................................................................. 11
3.2.4 Pengujian Prototipe ...................................................................... 11
3.2.5 Evaluasi Sistem ............................................................................ 12
3.3 Kerangka Pikir Penelitian ..................................................................... 12
BAB IV ANALISIS DAN PERANCANGAN ......................................................... 13
4.1 Analisis Terdahulu ............................................................................... 13
4.2 Spesifikasi Kebutuhan Sistem Baru ..................................................... 13
4.2.1 Raspberry PI 3.............................................................................. 13
4.2.2 Micro Servo SG90 Mini Motor DC ................................................. 14
4.2.3 Kamera Webcam Logitech C170. ................................................. 15

vi
 4.2.4 Sensor Ultrasonic HC-SR04 ......................................................... 16
4.3 Perancangan Sistem ........................................................................... 16
4.3.1 Perancangan Kebutuhan Perangkat Keras ................................... 16
4.3.2 Perancangan Kebutuhan Perangkat Lunak .................................. 17
4.3.3 Perancangan Detail Sistem .......................................................... 19
BAB V HASIL DAN PEMBAHASAN ................................................................... 24
5.1 Gambaran Umum Objek Penelitian ..................................................... 24
5.2 Gambaran Umum Subjek Penelitian .................................................... 24
5.3 Pembahasan ....................................................................................... 25
5.3.1 Tahap Perakitan Alat dan Sistem ................................................. 25
5.3.2 Pengujian Alat dan Sistem ............................................................ 25
5.3.3 Pembahasan Hasil Alat dan Sistem .............................................. 31
DAFTAR PUSTAKA............................................................................................. 1

vii
 DAFTAR GAMBAR

Gambar 2.1 Blok Diagram Sistem Kendali Open Loop (Budis, 2013)................... 5
Gambar 2.2 Blok Diagram Sistem Kendali Close Loop (Budis, 2013) .................. 6
Gambar 2.3 Raspberry PI 3 ................................................................................. 6
Gambar 2. 4 Haar Likes Features ........................................................................ 9
Gambar 3.1 Kerangka Pemikiran Sistem Otomatisasi Akses Gate Gedung ....... 12
Gambar 4.1 Raspberry PI 3 type B .................................................................... 14
Gambar 4.2 Servo Motor Sg90 ......................................................................... 15
Gambar 4.3 Webcam Logitech C170 ................................................................. 15
Gambar 4.4 Sensor Ultrasonic HC-SR04 ........................................................... 16
Gambar 4.5 Rancangan Desain Perangkat........................................................ 20
Gambar 4.6 Flowchart Sistem............................................................................ 21
Gambar 4.7 Flowgraph Pengujian ..................................................................... 22
Gambar 5.1 Perakitan Komponen ...................................................................... 25

viii
 BACB I
PENDAHULUAN

1.1 Latar Belakang Masalah

Sistem akses pintu masuk suatu gedung merupakan sesuatu yang sangat
penting dalam sebuah gedung. Sistem akses gedung berkembang seiring
perkembangan teknologi sehingga sistem akses gedung dapat secara otomatis
memverifikasi orang yang memiliki akses gedung. Sistem verifikasi tersebut dapat
dilakukan dengan menggunakan kartu RFID, fingerprint , dan pin. Perkembangan
teknologi pengolahan citra mengenalkan sistem akses terbaru dengan
mengandalkan face recognition sebagai verifikasi orang yang memiliki akses
gedung.
Dengan perkembangan teknologi pengolahan citra tersebut, penulis
menawarkan pembaharuan teknologi yang digunakan dalam akses masuk gedung
yang sudah ada dengan memanfaatkan teknologi face recognation. Face
recognation merupakan salah satu teknologi yang berasal dari rumpun computer
vision. Computer vision merupakan ilmu yang mempelajari bagaimana komputer
dapat mengenali objek yang diamati (Fairhust, 1985:5), computer vision
merupakan sebuah ilmu yang berasal dari kombinasi antara pengolahan citra dan
pengenalan pola (Shapiro & Stockman, 2001). Maka dari itu, dengan
berkembangnya teknologi computer vision dapat dikembangkan sebuah system
otomatisasi akses gate yang dihasilkan dari kombinasi antara akses gate masuk
gedung dengan teknologi computer vision yaitu face recognition sebagai
pembaharuan sistem verifikasi pengguna yang ingin mengakses gate masuk
sebuah gedung.
Pengembangan system ini nantinya akan menggunakan perangkat
raspberry Pi 3 sebagai pusat pemrosesan dari sistem face recognition dan
menggunakan metode Viola-Jones yang terdapat pada library OPENCV sebagai
sistem face recogation-nya.

1.2 Rumusan Masalah

Berdasarkan latar belakang yang sudah dijabarkan sebelumnya, dapat
disimpulkan rumusan masalah penelitian yaitu “Bagaimana cara untuk membuat
sebuah sistem akses pintu masuk gedung dengan fitur pengenalan wajah
didalamnya?”.

1
 Mengingat cepatnya perkembangan yang dapat ditemukan dalam penelitian
ini, maka perlu adanya batasan – batasan masalah mengenai penelitian yang
dilakukan. Adapun batasan masalah pada penelitian ini adalah alat yang dibuat
merupakan prototipe dari alat yang sesungguhnya, alat yang dibuat pada
penelitian hanya melakukan pencocokan wajah berdasarkan dataset yang telah
dimasukan pada sistem, alat ditujukan untuk sistem akses pintu masuk gedung
perkantoran, alat hanya dapat digunakan pada gedung yang memiliki security
sebagai backup jika alat tidak bekerja dengan baik, alat yang dibuat tidak dapat
berfungsi sebagai absensi otomatis, melainkan hanya sebagai akses pembuka
gerbang.

1.3 Tujuan Penelitian

Penelitian yang dilakukan tentunya memiliki beberapa tujuan dan manfaat
bagi pengguna antara lain tujuan penelitian ini adalah membuat sebuah sistem
akses gate gedung yang dapat dibuka menggunakan fitur pengenalan wajah.

1.4 Manfaat Penelitian

Manfaat penelitian yang dilakukan adalah menjadikan akses gate gedung
menjadi lebih aman, karena yang dapat membuka ruangan hanya orang yang
dataset wajahnya telah tersedia pada sistem.

1.5 Sistematika Penulisan

Penelitian akan dijelaskan secara deskriptif yang mengacu pada kaidah
penulisan penelitian yang ada. Maka daripada itu ditentukanlah sistematika
penulisan yang bertujuan untuk menjadikan penulisan secara terarah dan berjalan
dengan baik. Sistematika tersebut dibagi menjadi :

BAB 1 PENDAHULUAN
Bagian ini akan berisi tentang garis besar bagaimana penelitian ini
dilakukan yang terbagi menjadi beberapa bagian terhadap permasalah yang
diangkat menjadi topik penelitian, identifikasi permasalahan, serta tujuan dan
manfaat dari penelitian yang dibuat.

BAB 2 TINJAUAN REFERENSI

Tinjauan referensi membahas tentang teori – teori dan kajian pendukung
yang digunakan untuk membuat penelitian ini.

BAB 3 METODE PENELITIAN

2
 Pada bab ini akan membahas tentang metode metode yang akan
diterapkan dalam melakukan penelitian ini, serta juga akan tertulis tentang
kerangka piker penelitian, serta waktu yang direncanakan dalam melakukan
penelitian.

BAB 4 ANALISIS DAN PERANCANGAN

Pada bab ini akan membahas mengenai analisis kebutuh an dari penelitian
serta perancangan untuk memberikan gambaran terhadap aplikasi yang akan
dibuat. Bagian ini meliputi atas analisis permasalahan, kebutuhan data, dan
rancangan aplikasi yang akan dibuat.

BAB 5 IMPLEMENTASI DAN PENGUJIAN SISTEM

Pada bab ini akan membahas mengenai proses implementasi dari analisa
dan perancangan yang telah dibuat pada bab sebelumnya pada aplikasi yang
dibuat. Pada bab ini juga dilakukan pengujian sistem aplikasi untuk mengetahui
apakah aplikasi sudah dapat memberikan solusi yang ada pada lapangan.

BAB 6 PENUTUP
Pada bab ini akan berisi tentang kesimpulan, kritik, dan saran terhadap
aplikasi yang ada, dan berguna untuk pengembangan aplikasi kedepannya.

3
 BAB II
TINJAUAN REFERENSI

2.1 Tinjauan Penelitian Terdahulu

Sebelum melakukan perancangan terhadap sistem yang dibuat, dilakukan
pengkajian terhadap jurnal yang telah dibuat sebelumnya yang berelasi dengan
topik penelitian yang dilakukan. Pengkajian dilakukan untuk mejadi referensi
dalam penulisan penelitian yang dilakukan, kajian dilakukan dengan menganalisa
permasalahan, hasil penelitian, kekurangan dan kelebihan dari penelitian
sebelumnya untuk menjadi data pendukung dalam penulisan penelitian yang akan
dibuat. Berikut ini merupakan beberapa jurnal yang telah dipilih menjadi referensi,
antara lain :
1. “RANCANG BANGUN SISTEM PENGENALAN WAJAH UNTUK AKSES
LOGIN MENGGUNAKAN WEBCAM DENGAN METODE MINKOWSKI
DISTANCE BERBASIS DESKTOP”[1] ditulis oleh Moch. Ilyas Fiqri
Habibullah, dipublikasi pada Electronic Theses Universitas Islam Negeri
Maulana Malik Ibrahim Malang, pada tahun 2017. Tujuan penelitian ini
adalah membuat sebuah akses login dengan menggunakan username,
password, dan mengkolaborasikannya dengan sistem pengenal wajah
menggunakan minkowski distance, sehingga dapat mengenali wajah
pengguna dengan melakukan perhitungan nilai jarak kemiripan.
2. “IMPLEMENTASI PENGENALAN WAJAH DENGAN METODE
[2]
EIGENFACE PADA SISTEM ABSENSI” ditulis oleh Muhammad Rizki
Muliawan , Beni Irawan dan Yulrio Brianorman dipublikasikan pada Jurnal
Coding, Sistem Komputer Untan Volume 03, No. 1, pada tahun 2015.
Penelitian ini membuat sebuah teknologi pengunci pintu yang terkoneksi
dengan Wifi dan Website sebagai interface, dan seluruh riwayat
pengoperasian pengunci dapat ditampilkan pada website yang tersedia.
3. “PENGAMAN RUMAH DENGAN SISTEM FACE RECOGNITION
SECARA REAL TIME MENGGUNAKAN METODE PRINCIPAL
COMPONENT ANALYSIS” [3]
ditulis oleh Sinar Monika, Abdul Rakhman,
Lindawati dipublikasi pada Prosiding SNATIF Ke-4 pada tahun 2017.
Tujuan penelitian ini adalah membuat sebuah pengaman rumah yang
menggunakan sistem pengenalan wajah. Metode Principal Component
Analysis(PCA) digunakan untuk melakukan pengenalan wajah pada

4
 system yang dibuat. Metode PCA telah terbukti dapat mempresentasikan
secara efisien serta memungkinkan kecepatan pengenalan wajah pada
computer semakin cepat dengan nilai akurasi sebesar 88%.
4. “IMPLEMENTASI FACE IDENTIFICATION DAN FACE RECOGNITION
PADA KAMERA PENGAWAS SEBAGAI PENDETEKSI BAHAYA”[4] ditulis
oleh Panji Purwanto, Burhanudin Dirgantoro Ir.,M.T, Agung Nugroho Jati
ST.,M.T. dipublikasikan pada e-Proceeding of Engineering : Vol.2, No.1,
pada tahun 2015. Tujuan penelitian ini adalah untuk membuat sistem
keamanan untuk Gedung maupun rumah, Sistem merupakan penerapan
dari Computer Vision dalam sistem kemanan gedung atau rumah. Sistem
akan mengambil citra dari masukan berupa video. Setiap frame dari video
tersebut akan diproses oleh sistem. Citra akan diproses dengan
menggunakan metode Haar Cascade untuk mendeteksi objek berupa
wajah yang terdapat pada citra. Lalu sistem akan menggunakan metode
Fisherface sebagai metode untuk proses mencocokkan objek wajah yang
terdeteksi dengan wajah yang terdapat pada database sistem.

2.2 Tinjauan Teoritis

Pada bagian ini akan berisi teori – teori yang mendukung tahapan penelitian
dalam perancangan dan pembuatan sistem.

2.2.1 Sistem Kontrol

Sistem Kontrol atau biasa dikenal dengan sistem kendali merupakan suatu
sistem dimana masukan tertentu dapat digunakan sebagai pengendali untuk
keluaran dengan nilai tertentu, mengurutkan suatu proses atau membuat suatu
keluaran jika beberapa kondisi terpenuhi (Eddi Kurniawan, 2013). Sistem kontrol
terbagi menjadi dua jenis, yaitu sebagai berikut:
1. Sistem kendali loop terbuka (open loop)
Pada sistem kendali loop terbuka ini, pengendaliannya tidak
bergantung pada keluarannya (output-nya).

Gambar 2.1 Blok Diagram Sistem Kendali Open Loop (Budis, 2013)

2. Sistem kendali loop tertutup (close loop)

5
 Sedangkan berbeda dengan sistem kendali loop terbuka, menurut
Budis (2013) sistem kendali loop tertutup ini selalu diukur dan diumpan-
balikan ke sistem guna mencapai hasil yang lebih akurat.

Gambar 2.2 Blok Diagram Sistem Kendali Close Loop (Budis, 2013)

2.2.2 Raspberry PI
Raspberry Pi adalah modul mikro komputer yang juga mempunyai input
output digital port seperti pada board mikrokontroller. Diantara kelebihan Rasberry
Pi dibanding board microcontroller yg lain yaitu mempunyai Port/koneksi untuk
display berupa TV atau Monitor PC serta koneksi USB untuk Keyboard serta
Mouse.[5]
Raspberri PI berjalan dengan sistem operasi Linux Raspbian, ketika
raspberry telah terinstall OS maka raspberri sudah dapat digunakan, raspberri
biasanya digunakan untuk menjadi media pembelajaran mikrokontroller disekolah
dengan menggunakan bahasa pemrograman python.

Gambar 2.3 Raspberry PI 3

Sumber: https://www.raspberrypi.org/products/raspberry-pi-3-model-b/

2.2.3 Solenoida
Solenoida merupakan perangkat elektromagnetik yang berfungsi untuk
mengubah energi listrik menjadi energi gerak. Energi gerak yang dihasilkan oleh
solenoida hanya merupakan gerakan menarik dan mendorong, gerakan yang
dihasilkan pada solenoida dihasilkan dari sebuah kumparan listrik yang dililitkan
pada sebuah tabung silinder atau plunger yang bebas bergerak dari bodi
kumparan.[6]

6
 Terdapat dua buah jenis solenoida yang ada, yaitu solenoida linier dan
solenoida rotasi, perbedaan pada kedua solenoida yang tertulis diatas adalah
solenoida linier memiliki plunger atau memiliki aktuator yang bergerak secara linier
yang memiliki dua buah konfigurasi, yaitu solenoid tipe tarik yang menarik beban
kearah dirinya apabila diberi aliran arus dan tipe dorong yang bergerak menjauhi
solenoid jika diberikan aliran arus. Sedangkan solenoida rotasi merupakan
gerakan berputar, solenoida ini biasa digunakan untuk menggantikan motor DC
kecil ataupun motor stepper yang sudut gerakannya sangat kecil. Solenoida rotasi
bergerak pada sudut gerakan 250, 350,450, 600, dan 900. Kemudian kembali lagi ke
posisi 0.

2.2.4 Computer Vision

Computer Vision merupakan salah satu bidang Artificial Intellegent atau
kecerdasan buat yang bertujuan untuk memberi pengajaran kepada komputer
untuk dapat memiliki penglihatan, maka dengan itu dapat disimpulkan bahwa
computer vision merupakan penglihatan untuk komputer yang berupa penglihatan
seperti manusia sesungguhnya tetapi outputnya merupakan citra digital.[7]
Computer vision merupakan proses otomatisasi yang mengintergrasikan
sejumlah besar proses untuk proses visual seperti akusisi citra, klasifikasi,
pengenalan, dan membuat keputusan.

2.2.5 Image Processing

Image processing merupakan bentuk pengolahan citra digital dengan imput
berupa gambar atau video yang ditransformasikan menjadi bentuk berupa bit
image agar dapat diproses, proses tersebut bertujuan untuk memperbaiki
kesalahan data sinyal gambar yang terjadi akibat transmisi dan selama akusisi
sinyal, serta untuk meningkatkan kualitas penampakan gambar agar lebih mudah
diinterpretasi oleh sistem penglihatan manusia.[8]

2.2.6 OpenCV
OpenCV (Open Source Computer Vision Library), adalah sebuah library
open source yang dikembangkan oleh intel yang fokus untuk menyederhanakan
programing terkait citra digital. Di dalam OpenCV sudah mempunyai banyak fitur,
antara lain : pengenalan wajah, pelacakan wajah, deteksi wajah, Kalman filtering,
dan berbagai jenis metode AI (Artificial Intellegence) dan menyediakan berbagai
algoritma sederhana terkait Computer Vision.[9]

7
2.2.7 Haar Classifier
Haar Classifier merupakan sebuah metode deteksi objek yang efektif yang
diusulkan oleh Paul Viola dan Michael Jones pada jurnal-nya yang diterbitkan pada
tahun 2001. Haar Classifier merupakan pengklasifikasian yang terdapat dalam
metode Viola-Jones.
Haar Classifier bekerja dengan membangun sebuah boosted rejection
cascade yang berfungsi untuk membuang data training negatif, sehingga
mendapatkan sebuah keputusan untuk menentukan data positif.
Haar classier merupakan metode supervised learning, supervised learning
adalah sebuah pemrosesan training data yang membuatuhkan data training
lainnya sehingga dapat mendeteksi objek objek tertentu. Maka dari itu, Haar
Classifier membutuhkan dua dataser yangberisi data positif dan negatif, demana
data positif merupakan data yang berisikan objek yang akan dideteksi, dan data
negatif merupakan data yang berisikan objek yang tidak terdeteksi.

2.2.8 Metode Viola-Jones

Akhir akhir ini, sudah banyak aplikasi yang menggunakan fitur deteksi
wajah pada aplikasi-nya, pendeteksian wajah dapat dilakukan dengan berbagai
cara dan metode, salah satu metode yang digunakan adalah Viola-Jones. Viola-
Jones merupakan metode yang paling banyak digunakan dalam pendeteksian
wajah, penggunaan yang tinggi tersebut dikarenakan Viola-Jones memiliki sebuah
framework yang dapat melakukan pemrosesan gambar yang cepat dengan tingkat
deteksi yang tinggi.[10]
Viola-Jones memiliki beberapa tahapan pada pengaplikasiannya, salah
satu tahapan tersebut adalah Adaboost (adaptive boosting). Adaboost adalah
sebuah meta-algoritma dalam machine learning untuk melakukan supervised
learning. Adaboost berfungsi untuk melakukan pemilihan fitur-fitur dalam jumlah
banyak dengan hanya memilih fitur fitur tertentu untuk meningkatkan kinerja
algoritmanya. Viola-Jones menggabungkan empat kunci utama yaitu Haar-Like
Feature, Integral Image,Adaboost, dan Cascade Classifier.

2.2.8.1 Haar-Like Feature

Haar-Like Feature digunakan dalam mendeteksi objek pada image
digital. Haar-like feature memproses gambar dalam kotak-kotak, dimana
dalam satu kotak terdapat beberapa pixel yang memiliki besaran nilai pada
setiap pixelnya yang digunakan oleh Viola-Jones sehingga menghasilkan

8
3 (tiga) jenis edge feature, line feature, dan four rectangle feature yang
dapat dilihat pada gambar dibawah ini.

Gambar 2. 4 Haar Likes Features

2.2.8.2 Integral Image

Integral Image merupakan represintasi citra yang berfungsi untuk
menentukan ada atau tidaknya fitur Haar yang efisien yang dapat
digunakan dalam setiap gambar. Pada umumnya, pengintegrasian
tersebut menambahkan unit-unit kecil secara bersamaan. Dalam hal ini
unit- unit kecil tersebut adalah nilai-nilai piksel. Nilai integral untuk masing-
masing piksel adalah jumlah dari semua piksel-piksel dari atas sampai
bawah. Dimulai dari kiri atas sampai kanan bawah, keseluruhan gambar itu
dapat dijumlahkan dengan beberapa operasi bilangan bulat per-piksel.

2.2.8.3 Adaboost
Adaboost merupakan sebuah meta-algoritma dalam machine
learning untuk melakukan supervised learning. Adabbost bekerja dengan
menggabungkan banyak classifier lemah untuk membuat sebuahh
classifier yang kuat dengan menggabungkan Adaboost Classifier sebagai
rangkaian filter. Masing-masing filter merupakan satu Adaboost classifier
terpisah, jika selama proses filterisasi terdapat Haar Feature gagal
melewati filter tersebut maka daerah itu langsung digolongkan bukan
merupakan wajah. Namun jika fitr tersebut berhasil melewati seluruh
proses hingga rangkaian filter terakhir, maka daerah itu digolongkan
merupakan sebagai wajah.

9
2.8.8.4 Cascade Classifier
Cascade classifier merupakan sebuah metode yang digunakan
untuk mengkombinasikan classifier yang berhasil melewati filter pada
Adaboost, strutur yang terdapat pada cascade classifier merupakan
struktur bertingkat yang dapat meningkatkan kecepatan pendeteksian
objek pada daerah yang berpeluang saja.

10
 BAB III
METODE PENELITIAN

3.1 Metode Penelitian

Demi lancarnya penelitian, perlunya diterapkan beberapa metodologi yang
telah ditentukan sebagai acuan dari proses pengerjaan. Metode penelitian yang
akan digunakan pada penelitian ini adalah metode penelitian kualitatif. Metode
penelitian merupakan metode penelitian yang menekankan pada aspek
pemahaman secara mendalam pada suatu permasalahan, metode penelitian
kualitatif dapat digunakan dalam penelitian ini dengan model prototipe sebagai
model pengembangan nya. Penggunaan model prototype pada penelitian ini
bertujuan agar peneliti mendapatkan gambaran alat yang akan dibangun dan
peneliti dapat melakukan evaluasi terhadap alat yang dibangun berdasarkan
permasalahan yang peneliti angkat. Tahap tahap pelaksanaan model prototipe
adalah sebagai berikut :

3.2 Pengumpulan Kebutuhan Prototyping

Pada tahapan ini dilakukan pengumpulan kebutuhan yang dibutuhkan dalam
perangkat dan sistem yang akan dibuat, data yang dibutuhkan didapatkan dari
masalah yang ada. Pengumpulan ini bertujuan untuk mengetahui apakah alat yang
akan dibuat dapat memecahkan permasalahan yang ada atau tidak.

3.2.1 Membangun Prototipe

Pada tahap pembangunan prototipe, penulis akan membuat rangkaian
prototipe untuk perangkat yang akan dibuat

3.2.2 Evaluasi Prototipe

Pada tahapan evaluasi prototype, akan dilakukan pengecekan pada
prototipe oleh pengguna yang dalam kasus ini adalah penguji apakah prototipe
yang telah dibuat sudah sesuai dengan rancangan yang ada atau belum.

3.2.3 Pengkodean Prototipe

Tahapan pengkodean akan dilakukan setelah tercapainya kesepakatan
pada tahapan evaluasi prototiping. Tahap yang telah disetujui pada prototiping
akan diterjemahkan dalam bahasa pemrograman pada tahapan ini.

3.2.4 Pengujian Prototipe

11
 Setelah pengkodean telah selesai dibuat, maka tahap selanjutnya yang
akan dilakukan adalah pengujian prototipe, pengujian dilakukan untuk melihat
apakah prototipe yang dibuat sudah dapat bekerja denggan baik atau belum.

3.2.5 Evaluasi Sistem

Setelah melakukan pengujian pada prototipe yang telah dibuat, maka hal
yang selanjutnya dilakukan adalah melakukan evaluasi pada keseluruhan
prototipe dan sistem yang telah dibuat. Evaluasi dilakukan bertujuan untuk
mengetahui apakah sitem yang telah dibuat sudah sesuai dengan harapan atau
belum, jika sistem sudah sesuai dengan harapan maka penulis dapat melanjutkan
ke tahap berikutnya dan jika belum, maka perlu dilakukan perbaikan pada
kesalahan yang ada.

3.3 Kerangka Pikir Penelitian

Kerangka pikir merupakan model konseptual tentang bagaimana teori
berhubungan dengan berbagai macam faktor yang telah diidentifikasi sebagai
masalah yang penting (Sugiono, 2010). Maka dari itu, pada penelitian ini kerangka
pikir perlu ditetapkan untuk menjelaskan secara teoritis pertautan antar variable
yang akan diteliti. Maka kerangka pikir yang penulis gunakan untuk penelitian yang
dibuat adalah

Gambar 3.1 Kerangka Pemikiran Sistem Otomatisasi Akses Gate Gedung

12
 BAB IV
ANALISIS DAN PERANCANGAN

4.1 Analisis Terdahulu

Sistem akses pintu masuk gedung merupakan salah satu lapis keamanan
penting yang dimiliki pada gedung perkantoran. Saat ini sudah banyak terdapat
beragam sistem akses pintu masuk yang dimiliki oleh gedung-gedung
perkantoran. RFID, Fingerprint, dan pin merupakan beberapa sistem keamanan
gedung yang telah banyak hadir pada gedung-gedung perkantoran.
Salah satu penerapan sistem akses pintu masuk yang menggunakan
keamanan Fingerprint adalah gedung kantor PT. Yamisok Tech Indonesia,
penggunaan sistem pengaman fingerprint digunakan oleh PT. Yamisok pada pintu
masuk gedung kantornya. Fungsi sistem pengaman tersebut adalah agar orang
yang tidak berkepentingan atau yang tidak memiliki akses fingerprint tersebut,
tidak dapat mengakses atau masuk gedung perkantoran tersebut. Cara kerja
sistem tersebut adalah pegawai perlu menempelkan sidik jari pegawai pada
perangkat pembaca sidik jari yang terdapat pada sistem.

4.2 Spesifikasi Kebutuhan Sistem Baru

Guna membangun sebuah sistem, dibutuhkanlah suatu alat atau bahan
sebagai material dari sistem tersebut. Pada penelitian ini terdapat beberapa
komponen yang perlu dimiliki dalam perancangan sistem pada penelitian ini, alat
dan bahan yang dibutuhkan adalah sebagai berikut:
4.2.1 Raspberry PI 3
Raspberri PI mempunya berbagai macam model yang spesifikasinya
berbeda beda, Pada penelitian yang dilakukan, model yang digunakan untuk
menunjang sistem yang dibuat akan menggunakan Raspberry PI 3 Model B.
Pemilihan model dari raspberry PI yang penulis gunakan mengacu kepada
kebutuhan penulis terhadap sistem yang akan dibuat, karena raspberry PI
nantinya akan digunakan sebagai otak dari sistem yang dibuat, maka kiranya
diperlukan model raspberry yang baik untuk penelitian.

13
 Gambar 4.1 Raspberry PI 3 type B
Sumber: https://www.raspberrypi.org/products/raspberry-pi-3-model-b/

Raspberry PI 3 model B memiliki spesifikasi yang dapat diandalkan pada

penelitian ini, yaitu:
 Processor ARM Cortex-A53 Quad Core 1.2GHz.
 L1 Cache 32kB.
 L2 Cache 512kB.
 Grafis VideoCore IV.
 Random Access Memory (RAM) 1GB LPDDR2.
Dengan spesifikasi seperti yang tertera diatas, maka raspberry dapat
melakukan proses komputasi yang diperlukan pada penelitian ini.

4.2.2 Micro Servo SG90 Mini Motor DC

Micro servo motor DC merupakan sebuah motor DC yang dapat berotasi
3600, servo DC ini menggunakan inputan 5v dan mempunyai 3 buah kabel input
yang masing masing memiliki fungsi tersediri, yaitu kabel power 5v, ground, dan
kabel data.

14
 Gambar 4.2 Servo Motor Sg90
Sumber: https://servodatabase.com/servo/towerpro/sg90

Pada penelitian ini servo berfungsi sebagai pembuka engsel pintu, cara kerja
servo ini adalah jika sistem mendapati jika wajah user terdapat pada dataset
sistem, maka servo akan berputar sebesar 900 kearah melawan jarum jam, setelah
user telah melewati jangkauan sistem maka servo akan kembali lagi ke titik 00.
4.2.3 Kamera Webcam Logitech C170.

Gambar 4.3 Webcam Logitech C170

Sumber: https://support.logitech.com/en_us/product/webcam-c170

Webcam berfungsi sebagai inputan video yang nantinya akan diproses

oleh sistem pada Raspberry PI. Inputan yang diterima oleh webcam akan diproses
secara realtime oleh sistem, sehingga setiap wajah yang tertangkap oleh
jangkauan webcam maka nantinya akan ditandai oleh sistem.
Webcam Logitech menggunakan resolusi lensa sebesar 1.3MP
interpolated, dengan koneksi interface usb2.0. Webcam Logitech tidak memiliki
lampu bawaan pada perangkat nya, sehingga pencahayaan tambahan kiranya

15
diperlukan untuk dapat mendapatkan hasil gambar yang baik menggunakan tipe
webcam ini.
4.2.4 Sensor Ultrasonic HC-SR04

Gambar 4.4 Sensor Ultrasonic HC-SR04

Sumber: http://www.digi-bytes.com

Penggunaan sensor ultrasonic bertujuan sebagai trigger button agar

gerbang nantinya akan menutup jika sudah ada orang yang melewati gerbang
tersebut. Sensor ultrasonic akan membaca jarak antara sensor dengan
penglahang didepannya, jika sensor membaca peubahan jarak secara mendadak,
maka sensor akan mengirimkan sinyal jika sudah ada pengguna yang telah
melewati perangkat dan waktunya untuk sistem menutup pintu akses masuk.

4.3 Perancangan Sistem

4.3.1 Perancangan Kebutuhan Perangkat Keras
Kebutuhan perangkat keras yang digunakan dalam penelitian ini dapat
dilihat pada tabel 1 dibawah ini:
Tabel 1 Tabel Kebutuhan Perangkat Keras

No. Nama Barang Jenis Barang Jumlah Spesifikasi

Sebagai
penyatu
komponen lain
Rapsberry PI 3
1 1 menjadi satu,
Model B
serta tempat
pemrograman
Perangkat sistem berjalan
Utama
Berfungsi
sebagai
Kamera Webcam pengambil
2 1
Logitech C170 gambar wajah
user secara
realtime.

16
 Sebagai
penggerak
pintu jika
sistem
mendeteksi
3 Micro Servo DC 1
user yang ada
di dataset saat
pengambilan
video secara
realtime.
Sebagai trigger
untuk
memerintahkan
4 Sensor Ultrasonic 1
sistem segera
menutup pintu
gerbang akses.
Sebagai kabel
Perangkat penghubung
6 Kabel Jumper 20
Pendukung antar
komponen.

4.3.2 Perancangan Kebutuhan Perangkat Lunak

Terdapat beberapa kebutuhan library packages yang diperlukan pada
penelitian ini sebagai penunjang dari pemrograman yang dilakukan, library yang
digunakan dalam penelitian ini sebagian besar merupakan open source library
sehingga dapat dengan mudah digunakan tanpa melakukan pembayaran lisensi.
Library yang digunakan dalam penelitian ini adalah sebagai berikut :

4.3.2.1 Library cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

Library cvtColor berfungsi untuk melakukan perubahan warna
terhadap gambar yang akan diproses oleh sistem untuk mendeteksi
apakah terdapat skema wajah pada gambar hasil tangkapan kamera.
Perubahan Janis warna yang dilakukan pada gambar, bertujuan untuk
mempermudah / mempercepat proses kerja dari sistem yang dibangun.
Terdapat beberapa parameter yang perlu disisipkan pada fungsi ini,
antara lain :
 Img : img merupakan variable parameter path file gambar yang akan
diubah spektrum warna nya.
 Cv2.COLOR_BGR2GRAY : terdapat beberapa pilihan yang dapat
digunakan dalam fungsi ini, antara lain adalah color_bgr2gray yang
akan melakukan perubahan warna dari parameter img yang awalnya

17
 memiliki spectrum warna RGB ( Red, Green, Blue ), dengan
menambahkan parameter ini pada fungsi yang digunakan maka
spectrum warna pada gambar akan diubah menjadi Grayscale,
sehingga gambar akan berwarna hitam putih bukan berwana lagi.
4.3.2.2 Library detectMultiScale(g, sF, mN, mS)
Library detectMultiScale merupakan salah satu sub fungsi yang
dimiliki oleh fungsi cascadeClassifier, penggunaan fungsi ini bertujuan
untuk mempermudah pendeteksian wajah yang terdapat pada gambar
yang didapatkan dari hasil tangkapan gambar yang dilakukan oleh kamera
webcam yang digunakan. Fungsi ini juga dapat mendeteksi lebih dari 1
(satu) wajah yang terdapat pada gambar.
Pada fungsi ini nantinya akan menghasilkan berupa 4 buah value
yang merupakan posisi x dari wajah yang terdeteksi, posisi y wajah yang
terdeteksi, ukuran width gambar, dan terakhir ukuran height gambar.
Terdapat beberapa parameter yang diperlukan untuk menggunakan fungsi
yang disediakan oleh opencv ini, antara lain :
 g (gray) : Merupakan parameter gambar yang digunakan untuk
pemrosesan sistem untuk medeteksi apakah terdapat wajah pada
gambar.
 sF (scaleFactor) : Merupakan parameter berbentuk angka yang
bertujuan untuk menentukan seberapa besar ukuran gambar akan
menyusut setiap proses pendeteksian wajah pada gambar sudah
selesai[11].
 mN (minNeighbour) : Merupakan parameter yang berfungsi untuk
menentukan jumlah pendeteksian serupa yang terdapat disekitar
daerah yang dideteksi pada gambar, dengan kata lain parameter ini
akan memengaruhi kualitas wajah yang terdeteksi. Nilai yang lebih
tinggi menghasilkan lebih sedikit deteksi tetapi dengan kualitas yang
lebih tinggi[12].
 mS (minSize) : Merupakan parameter yang berfungsi sebagai ukuran
atau bagian piksel terkecil yang akan dideteksi. Dengan kata lain,
minSize merupakan ukuran awal untuk sistem dapat melakukan
pengujian pada seluruh ruas gambar dengan ukuran ini higga selesai
lalu jendela ditingkatkan sebesar ukuran scaleFactor dan seterusnnya

18
 hingga jendela sudah melampaui ukuran maxSize yang merupakan
ukuran asli dari gambar yang diuji.
4.3.2.3 Library recognizer.predict(gray[y:y+h,x:x+w])
Library recognizer.predict berfungsi untuk melakukan “prediksi”
atau menentukan apakah wajah yang terdeteksi pada gambar, memiliki
kecocokan pada data wajah yang terdapat pada database yang dimiliki
oleh sistem. Kecocokan antara wajah yang tampil pada kamera dengan
data wajah yang terdapat pada sistem dinilai berdasarkan besar nilai x, y,
tinggi, dan lebar dari wajah yang di uji[13].
Nantinya fungsi ini akan memberikan sebuah nilai balikan yang
berisi 2 (dua) buah angka, angka tersebut merupakan id dari user yang
terdapat pada data wajah user pada sistem, dan nilai satu lagi berupa nilai
confidence atau kepercayaan sistem terhadap keakuratan nilai
perbandingan antara wajah yang terdeteksi pada gambar dan data wajah
yang terdapat pada database sistem. Semakin kecil nilai confidence yang
didapatkan, maka semakin akurat juga prediksi user yang terdapat pada
gambar.

4.3.3 Perancangan Detail Sistem

Pada penelitian ini, peneliti melakukan perancangan detail sistem sebelum
melanjutkan ke tahap perancangan dan pengujian sistem. Pada perancangan
sistem, peneliti akan menjelaskan bagaimana detail dari sistem yang telah
dibangun serta memberikan gambaran desain, rangkaian pin yang digunakan,
memberikan daftar komponen yang digunakan pada penelitian ini, serta flowchart
dimana pada bagian ini akan menjelaskan mengenai alur kerja dari sistem yang
akan dibangun.

4.3.3.1 Rancangan Desain Alat

Sebelum melakukan tahap perancangan / perangkaian alat, peneliti
melakukan perancangan desain alat. Berikut merupakan gambaran rancangan
desain yang telah dibuat.

19
 Pada casing alat yang dibuat terdapat beberapa macam komponen utama
yang bekerja pada penelitian ini, antara lain adalah perangkat raspberry yang
berfungsi sebagai inti atau pusat pemrosesan face recognition yang terdapat pada
sistem, motor servo yang berfungsi sebagai pembuka gerbang yang terdapat pada
sistem, webcam berfungsi sebagai penangkap gambar wajah pengguna secara
realtime, dan sensor ultasonic yang berfunsi sebagai pendeteksi apakah
pengguna telah melewati gerbang atau belum.

Gambar 4.5 Rancangan Desain Perangkat

4.3.3.2 Rangkaian Pin

Raspberry PI memiliki 40 pin yang dapat digunakan sebagai masukan atau
keluaran yang dihasilkan oleh pemrosesan yang dilakukan pada raspberry pi. Pin
pada perangkat raspberry dinamakan General-Purpose Input/Output (GPIO), pin
GPIO memiliki fungsi fungsi yang berbeda beda antara satu pin dengan pin lainnya
tergantung kebutuhan dari pin tersebut.
Dalam raspberry GPIO memiliki 2 pin sebagai 3.3v power pin, 2 pin
sebagai 5v power pin, 8 pin sebagai ground pin, dan 26 pin yang dapat digunakan
sebagai masukan atau keluaran dari raspberry. Berikut adalah pin yang akan
digunakan pada penelitian yang dilakukan, yaitu:
 GPIO Pin 17 = Servo DC untuk Pintu.
 GPIO Pin 18 = Port Trigger Sensor Ultrasonic.
 GPIO Pin 24 = Port Echo Sensor Ultrasonic.

4.3.3.3 Flowchart
Gambar diatas merupakan flowchart yang berjalan pada sistem yang telah
dibuat. Flowchart ini dirancang untuk membantu peneliti dalam melakukan
perancangan sistem pembuka gerbang dengan pengenal wajah.

20
 Gambar 4.6 Flowchart Sistem
Sumber : Dokumen pribadi penulis

4.3.3.4 Skema Rangkaian Alat

Skema rangkaian alat telah dirancang untuk mempermudah penulis dalam
melakukan perangkaian alat. Sekama rangkaian yang telah dirancang
menggunakan aplikasi Fritzing yang akan dilampirkan pada halaman lampiran.

4.3.3.5 Perancangan Pengujian Sistem

Pada penelitian ini, perlu dilakukan tahap pengujian untuk mengetahui
apakah sistem yang telah dibuat bekerja dengan baik atau tidak. Tahap pengujian

21
sistem pada aplikasi ini menggunakan metode white box dan black box, dalam
tahap ini peneliti merancang sebuah white box testing dan tabel pengujian black
box yang akan digunakan pada tahap pengujian sistem seperti pada gambar dan
tabel di bawah ini.

Gambar 4.7 Flowgraph Pengujian

Sumber : Dokumen pribadi penulis

Flowgraph di atas didapatkan dari hasil rancangan flowchart yang telah

dibangun. Berikut keterangan I flowgraph yang telah dirancang:
1. Mulai.
2. Inisialisasi Alat.
3. Kamera Merekam Wajah User
4. Apakah Wajah terdapat pada dataset sistem?
5. Jika Tidak, Maka berlanjut ke nomor 11.
6. Jika Ya, Servo akan bergerak sebesar 900 dan gerbang terbuka.
7. Apakah ada pengguna yang melewati gerbang?
8. Tidak ada pengguna yang melewati selama 10 detik, lanjut ke nomor
10.
9. Pengguna melewati gerbang dan sensor mendeteksi perubahan jarak
yang signifikan hingga kurang dari 10cm.
10. Servo akan kembali ke 00, dan gerbang menutup.

22
 11. Selesai

Tabel 2. Tabel Pengujian Black Box

Hasil yang Hasil
No. Skenario Pengujian Keterangan
Diharapkan Pengamatan

Kamera tidak Servo tidak

1.
merekam wajah. bergerak.

Servo tidak
2.
bergerak.
Kamera merekam
wajah bukan user. Sistem
menampilkan
4.
Unknown pada
tampilan.

Servo bergerak (
5.
gerbang terbuka )
Kamera merekam
wajah user.
Kamera merekam
wajah user. Sistem
menampilkan
6.
nama user pada
tampilan.

Gerbang terbuka
Servo kembali ke
tidak ada user yang
7. 00 dan gerbang
melewati gerbang
menutup.
selama 10 detik

Sensor membaca
8. perubahan jarak
Gerbang terbuka yang signifikan
dan ada user yang
melewati sensor
ultrasonic Servo kembali ke
9. 00 dan gerbang
menutup.

23
 BAB V
HASIL DAN PEMBAHASAN

5.1 Gambaran Umum Objek Penelitian

Pada penelitian yang diangkat pada penulisan ini merupakan sistem
otomatisasi yang menggunakan perangkat keras dan perangkat lunak, dan
bagaimana cara agar menghubungkan antara perangkat lunak dan perangkat
keras menjadi sebuah sistem otomatisasi akses gerbang otomatis. Sistem
otomatisasi in idibangun menggunakan perangkat Raspberry PI 3 sebagai
perangkat pemrosesan utama dari keseluruhan perangkat sistem otomatisasi
akses gerbang, kamera webcam yang digunakan sebagai pendeteksi wajah user
yang ingin mengakses gerbang, mini motor dc yang digunakan sebagai pembuka
gerbang, sensor ultrasonic yang digunakan untuk pendeteksi apakah sudah ada
user yang telah melewati gerbang atau belum, dan pada sistem otomatisasi ini
juga menggunakan sistem pengenalan wajah user sehingga nantinya gerbang
hanya akan terbuka jika dataset wajah user telah terdapat pada sistem.
Raspberry merupakan mini computer yang memiliki sistem operasi
Raspberrian yang memiliki basis sistem operasi Linux. Raspberry akan
ditanamkan program pengenalan wajah yang akan mendapatkan inputan gambar
dari webcam yang tersedia, sehingga program pengenalan wajah akan
menampilkan nama user jika user memiliki dataset pada sistem ketika mendeteksi
adanya wajah pada hasil tangkapan gambar, dan menampilkan kalimat unknown
ketika wajah yang terdeteksi tidak memiliki dataset pada sistem pengenalan wajah.
Ketika sistem pengenalan wajah mendeteksi adanya pengguna yang memiliki
akses gerbang, maka sistem akan memerintahkan servo untuk bergerak sebesar
900 agar gerbang dapat terbuka, dan pengguna dapat masuk melewati gerbang.
Sensor ultrasonic akan membaca apabila terdapat pengguna yang melewati
sensor, maka sensor akan mengirimkan sinyal menuju raspberry jika terdapat
perubahan jarak secara signifikan yang dideteksi oleh sensor dan raspberry akan
memerintahkan servo untuk kembali ke posisi 00 agar gerbang dapat tertutup
kembali.

5.2 Gambaran Umum Subjek Penelitian

Sistem otomatisasi pembuka gerbang masuk yang dirancang pada penelitian
ini ditunjukan untuk pengelola atau pihak ketiga yang bertugas sebagai kemanan
gedung gedung perkantoran. Sistem otomatisasi yang dirancang memiliki tampilan

24
berupa lampu indikator berwarna hijau dan merah, lampu indikator hijau
menandakan jika sistem berhasil melakukan pengenalan wajah pengguna dan
lampu indikator merah menandakan jika sistem gagal membaca pengenalan
wajah.

5.3 Pembahasan
Pada bagian ini akan membahas mengenai hasil pembahasan dari
perancangan yang telah dilakukan mulai dari tahapan perakitan alat dan sistem,
hasil pengujian alat dan sistem, serta pembahasan hasil akhir alat dan sistem.

5.3.1 Tahap Perakitan Alat dan Sistem

Pada bagian ini akan ditunjukkan gambar mengenai tiap tahapan proses
yang dilakukan dalam perancangan sistem automatisasi yang dibuat hingga dapat
mencapai hasil akhir.

Gambar 5.1 Perakitan Komponen

Dapat dilihat pada Gambar 5.1 merupakan tahap pemrograman dan

perakitan komponen dari penelitian yang dilakukan. Dimulai dari pemrograman
pengenalan wajah , yang kemudian menggabungkan program pengenalan wajah
dengan servo untuk dapat membuat gerbang terbuka ketika mengenal wajah
pengguna. Setelah itu, ditambahkan lagi sensor ultrasonik yang berfungsi sebagai
penanda apakah sudah ada pengguna yang melewati gerbang. Hasil pengujian
dari pengenalan wajah yang telah dibuat akan dijelaskan pada 5.3.2.

5.3.2 Pengujian Alat dan Sistem

Berdasarkan tabel pengujian yang telah dilampirkan pada 4.3.3,
didapatkan hasil pengujian dari sistem pengenalan wajah pada tabel dibawah ini.

Tabel 3. Hasil Pengujian Sistem Pengenalan Wajah

No. Jarak Kamera Ket

25
 1. 0.5 Meter SS
2. 1 Meter SS
3. 1.5 Meter TS
*TS = Tidak Sesuai.
*SS = Sudah Sesuai.

Pada Tabel 3, menjelaskan mengengenai hasil pengujian ketepatan

pengenalan wajah berdasarkan jarak antara kamera dengan wajah pengguna.
Pengujian dilakukan terhadap jarak antara kamera dengan wajah, pengujian
pertama dilakukan dengan menetapkan jarak sebesar 0.5 meter antara kamera
dengan wajah pengguna. Pada jarak 0.5 meter sistem berhasil mengenali dan
melakukan pencocokan wajah pengguna dengan dataset yang sudah ada pada
sistem. Pengujian kedua dilakukan dengan menetapkan jarak sebesar 1 meter
antara kamera dengan wajah pengguna. Pada jarak 1 meter sistem masih berhasil
mengenali dan melakukan pencocokan wajah pengguna dengan dataset yang
sudah ada pada sistem sama dengan jarak yang sebelumnya. Sedangkan
pengujian terakhir jarak yang ditetapkan antara kamera dan wajah user adalah
sebesar 1.5 meter, pada pengujian dengan jarak ini sistem dinilai kurang bekerja
dengan baik karena sistem sering salah melakukan pencocokan wajah sehingga
wajah yang terdeteksi menjadi tertulis unknown.
Pada tahapan pengujian juga dilakukan tahap pengujian white box
berdasarkan hasil analisis flowgraph white box testing yang sudah dijelaskan pada
bab 4 dan black box. Berikut merupakan hasil pengujian white box pada tabel 4
dan black box pada tabel 5.

26
 Tabel 4. Hasil Tabel Pengujian White Box
No. Program Teks
1. Program Inisialisasi Kamera Pada Raspberry PI

Hasil yang Hasil Pengamatan

diharapkan

Program Python
menampilkan hasil
tangkapan dari
Webcam secara
Realtime

2. Program Inisialisasi Servo Pada Raspberry PI

Hasil yang diharapkan Hasil Pengamatan

Servo bergerak ke posisi

00 dan gerbang menutup

3. Sistem melakukan Pencarian Wajah pada hasil tangkapan Webcam

27
 Hasil yang diharapkan Hasil Pengamatan

Program membuat
bentuk kotak disekitar
area yang dideteksi
sebagai wajah

4. Sistem Membandingkan Wajah dengan Dataset Wajah di Sistem

Hasil yang diharapkan Hasil Pengamatan

28
 Sistem menghasilkan
angka Loss yang
berasal dari
perbandingan wajah
pada tangkapan
webcam dengan
dataset wajah pada
sistem dan
mengidentifikasi user
jika memiliki dataset
pada sistem.

5. Sistem mendeteksi wajah user dan servo bergerak 900.

Hasil yang diharapkan Hasil Pengamatan

Servo bergerak 900 dan

gerbang keposisi
terbuka.

29
 Tabel 5. Hasil Tabel Pengujian Alat Black Box
Hasil yang Hasil
No. Skenario Pengujian Keterangan
Diharapkan Pengamatan

Kamera tidak Servo tidak Servo tidak

1. √
merekam wajah. bergerak. bergerak.

Servo tidak Servo tidak

2. √
bergerak. bergerak.

Kamera merekam
wajah bukan user. Sistem
Sistem
menampilkan
menampilkan
3. Unknown √
Unknown pada
pada
tampilan.
tampilan.

Servo
Servo bergerak (
4. Bergerak √
gerbang terbuka )
sebesar 900
Kamera merekam
wajah user. Sistem
Sistem
menampilkan
menampilkan
5. nama user √
nama user pada
pada
tampilan.
tampilan.

Gerbang terbuka
Servo kembali ke
tidak ada user yang Gerbang
6. 00 dan gerbang x
melewati gerbang tidak tertutup
menutup.
selama 10 detik

Sensor
Sensor membaca membaca
7. perubahan jarak perubahan √
Gerbang terbuka yang signifikan jarak yang
dan ada user yang signifikan
melewati sensor
ultrasonic Servo kembali ke
Gerbang
8. 00 dan gerbang x
tidak tertutup
menutup.

Pada Tabel 5, nomor 1 – 5 merupakan hasil pengujian sistem pengenalan

wajah yang digunakan pada penelitian ini. Jika sistem pengenalan wajah
mendapati adanya user yang ingin masuk melalui gerbang, maka sistem akan

30
mendeteksi apakah wajah tersebut terdapat pada sistem atau tidak, jika ada
sistem akan memerintahkan servo untuk membuka gerbang dan lampu indikator
hijau pada alat akan menyala, tetapi jika tidak maka sistem tidak akan membuka
gerbang dan lampu indikator warna merah akan menyala.
Kemudian, nomor 6 merupakan pengujian jika user sudah melakukan
verifikasi wajah, tetapi user tidak melewati gerbang selama lebih dari 10 detik.
Maka, secara otomatis gerbang akan langsung menutup sendiri dengan
sendirinya.
Terakhir, pengujian perangkat pada nomor 7 dan 8 merupakan pengujian
untuk penutupan gerbang secara otomatis jika, terdapat pengguna yang melewati
gerbang. Sistem dapat mengetahui ada atau tidaknya seseorang melewati
gerbang didapatkan dari penilaian sensor ultrasonik yang mendapati adanya
perubahan jarak secara tiba tiba yang signifikan.

5.3.3 Pembahasan Hasil Alat dan Sistem

Pada penelitian ini, sistem otomatisasi gerbang masuk berbasis Raspberry
PI ini telah berhasil dibangun. Sistem otomatisasi ini terdiri dari Raspberry PI,
Webcam, Sensor Ultrasonic, dan terakhir adalah servo sebagai engsel pembuka
gerbang. Perangkat lunak utama yang dibutuhkan pada penelitian ini merupakan
sistem pengenal wajah menggunakan metode haarcascade yang terdapat pada
library opencv dan dapat digunakan secara bebas karena berbasis open source.

31
 DAFTAR PUSTAKA

[1] Moch. Ilyas Fiqri Habibullah, 2014 “RANCANG BANGUN SISTEM

PENGENALAN WAJAH UNTUK AKSES LOGIN MENGGUNAKAN
WEBCAM DENGAN METODE MINKOWSKI DISTANCE BERBASIS
DESKTOP” Electronic Theses Universitas Islam Negeri Maulana Malik
Ibrahim Malang.
[2] Muhammad Rizki Muliawan , Beni Irawan dan Yulrio Brianorman
“IMPLEMENTASI PENGENALAN WAJAH DENGAN METODE
EIGENFACE PADA SISTEM ABSENSI” Jurnal Coding, Sistem Komputer
Untan Volume 03, No. 1.
[3] Sinar Monika, Abdul Rakhman, Lindawati “PENGAMAN RUMAH DENGAN
SISTEM FACE RECOGNITION SECARA REAL TIME MENGGUNAKAN
METODE PRINCIPAL COMPONENT ANALYSIS” Prosiding SNATIF Ke-4.
[4] Panji Purwanto, Burhanudin Dirgantoro Ir.,M.T, Agung Nugroho Jati
ST.,M.T “IMPLEMENTASI FACE IDENTIFICATION DAN FACE
RECOGNITION PADA KAMERA PENGAWAS SEBAGAI PENDETEKSI
BAHAYA” e-Proceeding of Engineering : Vol.2, No.1.
[5] Diakses pada 21 Januari 2019 Pukul 23.00 pada halaman website
http://kl601.ilearning.me/2015/12/17/arduino-uno-dan-raspberrypi-6/
[6] Diakses pada 22 Januari 2019 Pukul 21.30 pada halaman website
https://teknikelektronika.com/pengertian-solenoida-cara-kerja-jenis-
solenoid/
[7] Diakses pada 22 Januari 2019 Pukul 22.03 pada halaman website
https://socs.binus.ac.id/2012/06/06/mengenal-kecerdasan-buatan-kini-
dan-akan-datang/
[8] Diakses pada 23 Januari 2019 Pukul 01.20 pada halaman website
https://ndoware.com/image-processing.html
[9] Diakses pada 23 Januari 2019 Pukul 19.45 pada halaman website
http://binus.ac.id/malang/2017/10/introduction-to-open-cv/
[10] Adinda Rizkita Syafira, Gunawan Ariyanto “SISTEM DETEKSI WAJAH
DENGAN MODIFIKASI METODE VIOLA JONES” Jurnal Emitor Vol.17
No.1
[11] Diakses pada 3 Mei 2019 Pukul 14.00 pada halaman wesite
https://stackoverflow.com/questions/51132674/meaning-of-parameters-of-
detectmultiscalea-b-c
[12] Diakses pada 3 Mei 2019 Pukul 14.32 pada halaman website
https://stackoverflow.com/questions/22249579/opencv-detectmultiscale-
minneighbors-parameter
[13] Diakses pada 4 Mei 2019 Pukul 05.13 pada halaman website
https://docs.opencv.org/2.4/modules/contrib/doc/facerec/facerec_api.html