PROPOSAL PROGRAM KREATIVITAS MAHASISWA

“FRESH (Face Recognition fore Safety Home) Alat

Pendeteksi Wajah Berbasis Deep Learning”

Bidang Kegiatan :
PKM KARSA CIPTA

Diusulkan oleh :

Trisno Wibowo Ady Saputra; 2106011712200; Angkatan 2017

Serly Yuliana; 210601171220037; Angkatan 2017
Nur Husnina Hanani; 21060117130072; Angkatan 2017

UNIVERSITAS DIPONEGORO
SEMARANG
2019

i
 PROPOSAL PROGRAM KREATIVITAS MAHASISWA

“FRESH (Face Recognition fore Safety Home) Alat

Pendeteksi Wajah Berbasis Deep Learning”

Bidang Kegiatan :
PKM KARSA CIPTA

Diusulkan oleh :

Trisno Wibowo Ady Saputra; 2106011712200; Angkatan 2017

Serly Yuliana; 210601171220037; Angkatan 2017
Nur Husnina Hanani; 21060117130072; Angkatan 2017

UNIVERSITAS DIPONEGORO
SEMARANG
2019

i
ii
 DAFTAR ISI

Halaman Sampul ........................................................................................................…… i

Halaman Pengesahan .................................................................................................……. ii
Daftar Isi ....................................................................................................................................iii
Daftar Gambar ...................................................................................................................... iv
Daftar Tabel.......................................................................................................................... v
BAB 1. PENDAHULUAN.................................................................................................. 1
1.1 Latar belakang .................................................................................................. 2
1.2 Perumusan masalah .......................................................................................... 2
1.3 Tujuan pelaksan ................................................................................................ 2
1.4 Manfaat ............................................................................................................. 2
1.5 Luaran ............................................................................................................... 2
BAB 2. TINJAUAN PUSTAKA ........................................................................................ 2
2.1 Sistem Pengenalan Wajah ............................................................................... 2
2.2 Deep Learning................................................................................................. 3
2.3 Convolution Neural Network .......................................................................... 3
2.4 Gerbang Logika............................................................................................... 3
2.5 OpenCV .......................................................................................................... 4
2.6 Raspberry Pi3 Model B ................................................................................... 4
2.7 Iris Scanner ..................................................................................................... 5
BAB 3. TAHAP PELAKSANAAN ................................................................................... 5
3.1 Waktu dan Tempat Penelitian .......................................................................... 5
3.2 Alat dan Bahan yang Digunakan ...................................................................... 6
3.3 Metode Penelitian ............................................................................................. 6
3.4 Tahapan Penelitian ........................................................................................... 6
Bab 4. BIAYA DAN JADWAL KEGIATAN .................................................................. 9
4.1 Anggaran biaya ............................................................................................... 9
4.2 Jadwal kegiatan ............................................................................................... 9
Daftar Pustaka .................................................................................................................... 11
Lampiran............................................................................................................................. 12
Lampiran 1. Biodata Ketua, Anggota dan Dosen Pembimbing............................................ 12
Lampiran 2. Justifikasi Anggaran Kegiatan ......................................................................... 18
Lampiran 3. Susunan Organisasi Tim Kegiatan dan Pembagian Tugas ............................... 21
Lampiran 4. Surat pernyataan ketua pelaksana .................................................................... 22
Lampiran 5. Gambaran teknologi yang Hendak Dikembangkan ......................................... 23

iii
 DAFTAR GAMBAR

Gambar 2.1 Diagram struktur pemodelan jaringan Deep Learning ...........................3

Gambar 2.2 Gerbang logika .......................................................................................4
Gambar 2.3 Raspberry Pi ...........................................................................................5
Gambar 2.4 Modul Iris Scanner .................................................................................5
Gambar 3.1 Rangkaian elektronik ..............................................................................6
Gambar 3.2 Ilustrasi Pengenalan Wajah.....................................................................7
Gambar 3.3 Diagram Alir sistem pendeteksi wajah pada sistem keamanan rumah ......................8

iv
iv
 DAFTAR TABEL

Tabel 4.1 Anggaran Biaya Kegiatan ...........................................................................9

Tabel 4.1 Jadwal Pelaksanaan Kegiatan ......................................................................9

viv
iv
 1

BAB 1.PENDAHULUAN

1.1 Latar belakang

Indonesia merupakan negara berkembang dengan jumlah penduduk
terbanyak keempat di dunia berdasarkan data dari Central Intelligence Agency
(CAI) World Factbook tahun 2019. Indonesia juga menjadi negara dengan tingkat
kriminalitas yang tinggi mencapai 337.000 kejahatan (BPS,2017). Hampir setiap
hari di Indonesia terjadi tindakan kriminal, mulai dari pencurian, penganiayaan,
pemerkosaan hingga pembunuhan. Terkhusus pada kasus pencurian, biasanya
terdapat kasus pencurian yang sulit diantisipasi seperti pencurian di rumah-rumah.
Kasus seperti ini biasanya terjadi menjelang hari raya ketika pemilik rumah
sedang mudik ke kampung halamannya dengan waktu yang cukup lama. Cara
mengantisipasinya tentu kita harus selalu waspada dan apabila ingin bepergian
harus selalu memeriksa apakah sudah terkunci atau belum. Semakin hari semakin
beraneka ragam jenis kunci. Hal tersebut selain bertujuan mempeperindah
tampilan juga tentunya agar kunci tidak mudah dibobol oleh pencuri. Namun tetap
saja pencuri dapat membobol berbagai jenis kunci tersebut karena memang pada
dasarnya kunci-kunci tersebut menggunakan sistem mekanik yang sama. Oleh
karena itu diperlukan sistem keamanan yang baru yang lebih menjamin keamanan
pemilik rumah.
FRESH (Face Recognition fore Safety Home) merupakan solusi cerdas
dari permasalahan ini. FRESH merupakan perangkat cerdas yang menggunakan
teknologi video digital untuk menangkap, memanipulasi, dan menyimpan gambar
wajah sehingga didapat bentuk wajah sesuai dengan wajah pemilik rumah. Alat
tersebut akan diletakan di pintu rumah warga sebagai sistem keamanan. Pemilik
rumah akan mendaftarkan atau menginput wajah-wajah yang dapat dikenal
sehingga apabila perangkat membaca wajah selain wajah yang telah diinput maka
pintu tidak akan bisa terbuka. Pengenalan wajah dapat dilakukan dengan metode
Deep Learning dengan algoritma Convolution Neural Network (CNN). Selain itu,
FRESH juga menggunakan gerbang logika dan dilengkapi dengan iris scanner
untuk meningkatkan keamanan serta dilengkapi dengan sistem IOT, dimana
apabila pintu dibuka paksa maka perangkat akan mengirimkan pemberitahuan
melalui SMS kepada pemilik rumah. Selanjutnya wajah akan diekstrasi untuk
mendapatkan fitur penting dari sebuah objek wajah. Hasil dari ekstraksi fitur akan
mempengaruhi proses pengenalan. Semakin baik ciri yang dihasilkan maka
semakin baik tingkat akurasi pengenalan yang diperoleh. Sesuai dengan
percobaan yang telah kami lakukan, hasil akurasi dapat mencapai nilai 75%
sampai 80% untuk kasus deteksi beberapa wajah.
 2

1.2 Rumusan Masalah

Melihat permasalahan yang telah dipaparkan pada latar belakang dapat
dirumuskan permasalahnnya adalah sebagai berikut :
1. Bagaimana FRESH dapat mengenali wajah?
2. Bagaimana cara kerja FRESH berbasis metode Deep Learning dengan
algoritma Convolution Neural Network dalam proses pengenalan wajah
pada sistem keamanan di rumah-rumah?
3. Bagaimana keakuratan FRESH dalam mengenal wajah?

1.3 Tujuan Penelitian

Dengan melihat pada masalah-masalah diatas maka tujuan dari pembuatan
sistem ini adalah sebagai berikut :
1. Membuat prototype yang berfungsi untuk mengenal wajah pemilik rumah.
2. Mengetahui seberapa aman FRESH dalam penggunannya pada sistem
keamanan di rumah-rumah.
3. Mengetahui seberapa akurat FRESH dalam mengenali wajah.

1.4 Manfaat Penelitian

Kegunaan dari teknologi ini adalah :
1. Memperketat sistem keamanan rumah-rumah sehingga tidak mudah dicuri.
2. Membantu masyarakat dalam mengatasi masalah pencurian di rumah-
rumah yang marak terjadi.
3. Memberikan suatu bentuk teknologi cerdas yang terintegrasi dengan
seluruh pihak yang berada dalam siklus informasi.

1.5 Luaran
Teknologi ini berfokus pada pengenalan wajah menggunakan metode Deep
Learning dengan algoritma Convolution Neural Network sehingga diharapkan :
1. Terciptanya alat pendeteksi wajah sebagai sistem keamanan yang dipasang
di rumah warga.
2. Hak Paten.
3. Publikasi Artikel Ilmiah Nasional dan Internasional.

BAB 2. Tinjauan Pustaka

2.1 Sistem Pengenalan Wajah

Teknologi pengenalan wajah semakin banyak diaplikasikan dalam sistem
pengenalan biometrik, pencarian dan pengindeksan database citra dan video
digital, sistem keamanan, konferensi video, dan interaksi manusia dengan
komputer. Pendeteksian wajah (face detection) merupakan salah satu tahap awal
yang sangat penting sebelum dilakukan proses pengenalan wajah (face
recognition).
 3

Wajah sebagai salah satu yang dapat digunakan sebagai identifikasi

seseorang. telah banyak digunakan sebagai pengenal bagi seseorang sebagai
contoh narapidana atau buron agar mudah dilacak keberadaannya dalam bentuk
berbagai rupa. Wajah manusia merupakan objek dinamik yang memiliki tingkat
variabilitas yang tinggi. Berbagai metode telah diperkenalkan oleh para peneliti
dan ilmuan mengenai cara untuk mengenali wajah dengan benar. Hal ini membuat
sistem pengenalan wajah yang memanfaatkan komputer merupakan sistem yang
tidak sederhana.

2.2 Deep Learning

Deep Learning (Pembelajaran Dalam) atau sering dikenal dengan
istilah Pembelajaran Struktural Mendalam (Deep Structured Learning)
atau Pembelajaran Hierarki (Hierarchical learning) adalah salah satu cabang dari
ilmu pembelajaran mesin (Machine Learning) yang terdiri algoritma pemodelan
abstraksi tingkat tinggi pada data menggunakan sekumpulan fungsi transformasi
non-linear yang ditata berlapis-lapis dan mendalam. Teknik dan algoritma dalam
Pembelaran dalam dapat digunakan baik untuk kebutuhan pembelajaran terarah
(supervised learning), pembelajaran tak terarah (unsupervised learning) dan semi-
terarah (semi-supervised learning) dalam berbagai aplikasi seperti pengenalan
citra, pengenalan suara, klasifikasi teks, dan sebagainya
Yes
Or
not

Gam bar 2.1 Diagram struktur pemodelan jaringan Deep Learning

2.3 Convolution Neural Network

Convolution Neural Network (CNN) adalah adalah salah satu metode
machine learning dari pengembangan Multi Layer Perceptron (MLP) yang
didesain untuk mengolah data dua dimensi. CNN termasuk dalam jenis Deep
Neural Network karena dalamnya tingkat jaringan dan banyak diimplementasikan
dalam data citra. Cara kerja CNN memiliki kesamaan pada MLP, namun dalam
CNN setiap neuron dipresentasikan dalam bentuk dua dimensi, tidak seperti MLP
yang setiap neuron hanya berukuran satu dimensi.

2.4 Gerbang Logika

Gerbang logika adalah rangkaian dasar yang membentuk komputer. Jutaan
transistor di dalam mikroprosesor membentuk ribuan gerbang logika. Sebuah
gerbang logika sederhana mempunyai satu terminal input. Keluarannya dapat
tinggi/high (1) atau rendah/low (0), tergantung level digital yang diberikan pada
 4

terminal input. Terdapat 5 gerbang logika dasar saja, diantaranya: AND, OR,
NAND, NOR, Inverter (NOT).

Gerbang logika dalam kegiatan ini digunakan sebagai sistem mekanik pada
pintu. Gerbang logika akan bergerak sesuai program dan citra yang diambil,
apakah terbuka atau tetap tertutup.

Gambar 2.2 Gerbang logika

2.5 OpenCV
OpenCV (Open Source Computer Vision Library) adalah perangkat lunak
pengolahan citra open source yang telah menjadi standar untuk hal-hal yang
berkaitan dengan computer vision (Garcia, 2015). OpenCV dibuat sebagai sarana
untuk aplikasi penglihatan komputer dan mempercepat persepsi mesin. Library
pada OpenCV memiliki lebih dari 2.500 algoritma. Algoritma-algoritma ini dapat
digunakan untuk mendeteksi dan mengenali wajah, identifikasi objek,
mengelompokan perilaku manusia dalam video, menelusuri objek bergerak, dan
aplikasi lainnya. OpenCV memiliki antarmuka C++, C, Python dan Java yang
mendukung sistem operasi Windows, Linux, Mac OS, iOS, dan Android. OpenCV
didesain untuk meningkatkan efisiensi perhitungan dengan fokus utama pada
aplikasi real-time.

2.6 Raspberry Pi 3 Model B

Raspberry Pi adalah sebuah SBC (Single Board Computer) seukuran kartu
yang dikembangkan oleh yayasan Raspberry Pi di Inggris. Raspberry Pi 3 Model
B adalah tipe terbaru yang dikeluarkan oleh Raspberry Pi, seperti ditunjukkan
pada Gambar 2.3. Setiap model Raspberry Pi menggunakan system on chip dari
Broadcom yang meliputi CPU (central processing unit) dan GPU (graphics
processing unit). Kecepatan CPU tipe ini adalah 1,2 GHz dan kapasitas RAM
(random access memory) mencapai 1 GB (Raspberry Pi, 2016). Model ini
memiliki port USB, luaran HDMI dan video komposit, dan port audio. Luaran
pada tingkat yang lebih rendah juga disediakan melalui pin GPIO (general
purpose input output). Penyimpanan data di Raspberry Pi menggunakan kartu
penyimpanan tipe SD (secure digital) untuk menjalankan sistem dan sebagai
 5

media penyimpanan jangka panjang. Raspberry Pi menggunakan sistem operasi

berbasis Linux.

Gambar 2.3 Raspberry Pi

2.7 Iris scanner

Iris atau biasa disebut sebagai selaput pelangi adalah daerah berbentuk
gelang pada mata yang dibatasi oleh pupil dan sklera (bagian putih dari mata).
Seiring perkembangan zaman, iris seringkali dimanfaatkan untuk keamanan
berbagai perangkat, salah satunya diimplementasikan pada iris scanner. Iris
scanner adalah sebuah perangkat yang dimanfaatkan utntuk kemanan pada ponsel
pintar, pada penelitian kali ini kami memanfaatkan perangkat iris scanner ini
untuk kemanan pintu rumah dengan metode Deep Learning berbasis IOT .

Gambar 2.4 Modul Iris Scanner

BAB 3. METODE PENELITIAN

3.1 Waktu dan Tempat Penelitian

Perancangan teknologi dan pengujian akan dilakukan selama 4 bulan.
Perancangan teknologi FRESH akan dilakukan di Laboratorium Pengolahan
 6

Sinyal dan Laboratorium Elektronika jurusan Teknik Elektro Universitas

Diponegoro dan pengujian akan dilakukan di Laboratoriun Terpadu Universitas
Diponegoro.

3.2 Alat dan Bahan yang Digunakan

3.2.1 Alat yang digunakan
1. Multimeter
2. Solder
3. Atraktor
4. Mesin Bor
5. Tang Potong

3.2.2 Bahan yang digunakan

1. Raspberry Pi 3 Model B
2. Raspberry Camera
3. Baterai
4. Monitor LCD
5. SIM800L
6. Modul iris scanner

3.3 Metode Penelitian

Penelitian ini menggunakan metode studi literatur dan metode rancang
bangun.

3.4 Tahapan Penelitian

3.4.1 Perancangan Elektronik
Perancangan Elektronik akan menggabungkan semua komponen elektronik
yang dibutuhkan oleh FRESH. Raspberry Pi 3 yang sebelumnya sudah diinput
program kedalamnya akan diletakkan dan dihubungkan dengan raspberry camera
yang akan menangkap struktur wajah. Setelah diperoleh wajah seseorang, proses
selanjutnya yaitu pernacangan citra digital.

Raspberry pi 3 dan camera dihubungkan Proses perekaman

Gambar 3.1 Rangkaian elektronik

 7

3.4.2 Perancangan Citra Digital

Perancangan citra digital ini terdiri dari perancangan hardware dan software
dan proses integrasi. Inti dari rancangan teknologi ini adalah sistem pendeteksi
wajah dengan metode Convolution Neural Network (CNN).

Gambar 3.2 Ilustrasi Pengenalan Wajah

Secara singkat cara kerja sistem ditunjukkan pada gambar diatas. Program
akan menginput bentuk wajah-wajah yang akan dikenali sistem. CNN akan
mengekstrasi citra wajah tersebut lalu akan mensegmentasikan ke dalam bagian-
bagian yang lebih kecil. Kemudian segmen-segmen tersebut akan dimasukan ke
pemrograman software dan program akan mendeteksi apakah wajah seseorang
cocok atau sesuai dengan wajah yang telah dikenali. Hasil dari pemrograman akan
ditampilkan pada layar yang akan dibuat nanti.

3.4.3 Perancangan Mekanik

Perancangan mekanik akan melakukan proses membuka dan menutup pintu
sesuai dengan hasil pada proses elektrik dan citra digital. Pada perancangan ini
digunakan gerbang logika. Apabila hasil dari rancanagn elektrik dan dan citra
digital menghasilkan jawaban yes, maka pintu akan terbuka. Sebaliknya, apabila
no, maka pintu akan tetap tertutup.

3.4.4 Pengujian dan Penyempurnaan

Pengujian alat akan dilakukan setelah sistem dirancang dan dibuat. FRESH
akan diuji pada salah satu rumah. Sistem akan diuji apakah sudah sesuai dengan
diagram alir pada Gambar 3.3 atau belum. Pengujian dilakukan dengan
meletakkan alat pada pintu rumah, lalu kemudian kamera raspberry pi 3 akan
merekam wajah pemilik rumah terlebih dahulu. Setelah direkam, lalu diuji dengan
wajah yang sama. Hasil yang diharapkan adalah alat memberikan hasil bahwa
wajah sesuai. Setelah wajah sesuai, lalu pengujian selanjutnya yaitu pengujian
mekanik. Hasil yang diharapkan adalah pintu akan terbuka. Setelah sistem
berhasil dengan wajah yang sesuai, proses selanjutnya yaitu uji dengan wajah
yang berbeda. Hasil yang diharapkan adalah alat akan memberikan hasil wajah
tidak sesuai. Setelah wajah tidak sesuai, pengujian mekanik akan menghasilkan
pintu tidak terbuka.
 8

Tabel 3.1 Form Pengujian Alat

No Kondisi Sistem Berhasil?
(Ya/Tidak)
1 Kamera mampu merekam wajah dengan baik
dan menyimpan wajah sebagai acuan
2 Pengujian dengan wajah yang sama
3 Alat memberikan hasil yang sesuai
3 Pintu akan terbuka
4 Pengujian dengan wajah yang berbeda
6 Alat menghasilkan hasil yang sesuai
5 Pintu tetap tertutup

3.4.5 Evaluasi dan Penyusunan Laporan

Setelah selesai pengujian dan penyempurnaan alat, langkah terakhir yaitu
evaluasi serta pembuatan laporan kemajuan dan laporan akhir. Penyususuna
laporan dilakukan pada bulan ke-4 dari jadwal kegiatan.

3.4.6 Proses Lengkap

Mulai

Studi Literatur Penggabungan

alat

Pengadaan alat
dan bahan Pengujian dan
penyempurnaan

Perancangan
Elektrik

Hasil NO

Sesuai
Perancangan
Citra Digital

YES

Perancangan Evaluasi dan

Mekanik Penyusunan laporan

Selesai

Gambar 3.3 Diagram Alir sistem pendeteksi wajah pada sistem keamanan rumah
 9

Pada gambar diatas dijelaskan proses dari awal hingga akhir. Tahap
pertama yaitu studi literatur. Lalu kemudian pengadaan alat dan bahan untuk
membuat alat. Setelah itu adalah masuk ke proses pembuatan alat yang diawali
perancangan elektrik, perancangan citra digital dan perancangan mekanik yang
sudah dijelaskan pada bagian sebelumnya. Proses selanjutnya yaitu
penggabungan alat yang sudah selesai. Setelah itu adalah pengujian dan
penyempurnaan yang menggunakan form pengujian pada tabel 3.1. Jika hasil
sesuai maka bisa melanjutkan ke proses evaluasi dan penyusunan laporan. Jika
tidak sesuai kembali ke proses pengujian alat karena mungkin dikarenakan
alatnya masih salah dalam pogram.

BAB 4. BIAYA DAN JADWAL KEGIATAN

4.1 Anggaran biaya

Tabel 4.1 Anggaran Biaya Kegiatan
No. Jenis Pengeluaran Biaya (Rp)
1 Peralatan Penunjang 6.224.800,-
2 Peralatan Habis Pakai 2.025.000,-
3 Perjalanan 1.007.250,-
4 Lain-lain 2.150.000,-
Jumlah 11.407.050,-

4.2 Jadwal Kegiatan

Tabel 4.2 Jadwal Pelaksanaan Kegiatan
Bulan Bulan Bulan Bulan Bulan
Bentuk Kegiatan ke 1 ke 2 ke 3 ke 4 ke 5
Pembuatan sketsa dan model
FRESH
Melakukan perhitungan
mendalam
Pemilihan dan pembelian
komponen
Perakitan komponen menjadi
purwarupa
Uji coba dan analisis hasil
Pembuatan
Laporan Akhir
 10

Daftar Pustaka

Pusat Data Dan Informasi Kementerian Kesehatan RI. 2016. situasi lanjut usia
(lansia) di indonesia. issn2442-7659
Deniro A.J.N, Sulistiawati N.N & Widajanti N. 2017. Hubungan antara Usia dan
Aktivitas Sehari-Hari dengan Risiko Jatuh Pasien Instalasi Rawat Jalan Geriatri.
Jurnal Penyakit Dalam Indonesia | Vol. 4, No. 4. Program Studi Pendidikan
Dokter, Fakultas Kedokteran Universitas Airlangga.
Khalid, M. (2012). Keperawatan Geriatrik. Yogyakarta: Pustaka Pelajar
Nogroho, W. (2012). Keperawatan Gerontik & Geriatrik, edisi ke-3.
Penerbit Buku Kedokteran. Jakarta: EGC
Rudy A & Setyanto R.A. 2019. Analisis Faktor Yang Mempengaruhi Risiko
Jatuh Pada Lansia. Jurnal Ilmiah Ilmu Kesehatan: Wawasan Kesehatan, p-ISSN
2087-4995, e-ISSN 2598-4004 Volume 5, Nomor 2 DOI: 10.33485/jiik-
wk.v5i2.119
Ravika R. 2018. (Faktor-Faktor Yang Berhubungan Dengan Resiko Jatuh Pada
Lansia Di Bpplu Kota Bengkulu Tahun 2017. Journal of Nursing and Public
Health. Volume 6 No. 1 universitas bengkulu.
11
1214
1314
 14

1.1 Biodata Dosen Pendamping

A. Identitas Diri
1. Nama Lengkap Hadha Afrisal, ST, M.Sc

2. Jenis Kelamin Laki-laki

3. Program Studi Teknik Elektro

4. NIP/NIDN 199104172018071002 / 0017049107

5. Tempat dan Tanggal Pati, 17 April 1991

Lahir
6. E-mail hadhaafrisal@lecturer.undip.ac.id
hadha.afrisal@elektro.undip.ac.id
7. No. Telepon / HP 0813 3815 7488

B. Riwayat Pendidikan
Program S1-Profesi Ners S2
Nama PT Universitas Gadjah Mada King’s Collage London

Bidang Ilmu S1 Teknik Elektro M.Sc. in Robotics

Tahun Masuk 2009 2015

Tahun Lulus 2014 2016

C. Rekam Jejak Tri Dharma PT

C.1 Pendidikan/Pengajaran

No. Nama Mata Kuliah Wajib/Pilihan SKS

1. Sistem Digital Wajib 3

2. Mikroprosesor Wajib 3

3. Sensor dan Aktuator Pilihan 3

4. Pengolahan Sinyal Pilihan 3

Elektronik
5. Teknologi Display Pilihan 3
dan Memori
6. Material Elektronika Pilihan 3
 15

7. Nanoteknologi dan Pilihan 3

Thin Film

C.2 Pengalaman Penelitian

No. Judul Penelitian Penyandang Dana Tahun

1. Perancangan Kestabilan Posisi Penelitian Strategis
Quadrotor dengan Metode
Kontrol Hybrid Fuzzy-PI
untuk Monitoring Kandungan
Gas Belerang
2. Online Footstep Planning and
Navigation on Uneven Terrain
for Humanoid Robot
3. Pengembangan Alat
Rehabilitasi Pasien Stroke
yang Sesuai dengan
Kebutuhan di Indonesia
4. A Bio-Inspired Electro-Active Laboratory for
Velcro Mechanism using
Shape Memory Alloy for
Wearable and Stiffness
Controllable Layers
2019
Hibah Bersaing Dana
RKAT Fakultas
Teknik Universitas
Diponegoro
UNESCO/Poland Co- 2017
Sponsored Fellowship
Programme in
Engineering 2017
Program INSINAS 2017
Riset Pratama
Individu, dengan
ketua Prof. Dr. Estiko
Rijanto, Lembaga
Ilmu Pengetahuan
Indonesia (LIPI)
2016
Morphological
Computation (Thrish
Lab), Centre for
Robotics Research
(CORE), King’s
College London

C.3 Pengabdian Masyarakat

No. Judul Pengabdian Kepada Penyandang Dana Tahun

Masyarakat
1. Pelatihan Robotika untuk Dana RKAT Fakultas 2019
Guru Pembimbing Peminatan Teknik UNDIP
Bidang Robotika Tingkat SD
dan SMP di Sekolah
Menengah Pertama Islam
Terpadu Majlis Tafsir Al
Qur’an (SMP IT MTA)
16
 17

Lampiran 2. Justifikasi Anggaran Kegiatan

1. Perlengkapan Yang diperlukan
Harga Jumlah Biaya
No Material Justifikasi Pemakaian Volume
satuan (Rp) (Rp)
Otak atau processor
Mikrokontroler
1 dalam menjalankan 3 775.000,- 2.325.000,-
Raspberry Pi 3
program
2 Raspberry Camera Perekam wajah 3 415.000,- 1.245.000,-
Menampilkan hasil
3 Monitor LCD 1 450.000,- 450.000,-
perekaman wajah
Pendukung kerja
4 Modul Micro SD 2 100.000,- 200.000,-
raspberry Pi 3
5 Komponen Regulator Pembangkit energi 2 100.000,- 200.000,-
6 Chasis Sebagai alas alat 1 200.000,- 200.000,-
7 PCB Polos Tempat rangkaian dibuat 10 20.000,- 200.000,-

8 Modul untuk input

Komponen Modul I/O 1 80.000,- 80.000,-
output
Kabel Jumper Male – Penghubung tiap
9 1 50.000,- 50.000,-
Female komponen di rangkaian
Untuk mengirim file ke
10 Micro SD 8 GB 2 100.000,- 200.000,-
modul

11 Obeng, tang, bor, solder,

Perkakas 1 200.000,- 200.000,-
dan lain-lain
Pembelian Multimeter Mengukur tegangan,
12 1 200.000,- 200.000,-
Digital arus, dan lain-lain
13 Card Reader Membaca file 1 75.000,- 75.000,-
Modul microsim card
14 Modul SIM 800L untuk mengirimkan 2 149.900,- 299.800,-
informasi melalui SMS
Perangkat keamanan
15 Modul Iris Scanner untuk mendeteksi iris 1 300.000,- 300.000,-
mata
SUB TOTAL (Rp) 6.224.800,-
 18

2. Bahan Habis Pakai

No Material Justifikasi Pemakaian Harga satuan (Rp) Volume Jumlah
1 Kertas HVS 80 gram Print laporan kemajuan 40.000,- 5 200.000,-

2 Cartridge Pewarna printer 150.000,- 2 300.000,-

Tombol pada alat

3 Tombol 20.000,- 15 300.000,-
pendeteksi wajah

Komponen elektronika Transistor, resistor,

4 450.000,- 1 450.000,-
kecil kapasitor, dan lain-lain

5 Baterai Catu daya 15.000,- 5 75.000,-

Penyimpan dan
6 Flash disk 16 gb 200.000,- 2 400.000,-
pemindah file
Penambahan ilmu
7 Pembelian referensi 150.000,- 2 300.000,-
anggota

SUB TOTAL (Rp) 2.025.000,-

3. Perjalanan
Justifikasi Harga Jumlah
No Material Volume
perjalanan Satuan (Rp) Biaya (Rp)
Transportasi Bahan bakar untuk
1 3x8=24 liter 8.500 204.000,-
pengujian alat pengujian alat
Transportasi Bahan bakar untuk
2 3x7,5= 22,5 liter 8.500 191.250,-
pembelian alat pembelian alat

Transportasi lokal Bahan bakar untuk

3 3x24=72 liter 8.500 612.000,-
selama 4 bulan transportasi lokal
SUB TOTAL (RP) 1.007.250,-
 19

4. Lain-lain
Harga satuan Jumlah Biaya
No Material Justifikasi Pemakaian Volume
(Rp) (Rp)
Pendaftaran
1 Pendaftaran alat 850.000,- 1 850.000,-
HAKI

Untuk anggota saling

Komunikasi dan
2 berkomunikasi dan 200.000,- 3 600.000,-
akses internet
mencari referensi

Pendaftaran ke
Karya didaftarakan ke
3 jurnal akreditasi 700.000,- 1 700.000,-
jurnal nasional
nasional

SUB TOTAL (Rp) 2.150.000,-

 20

Lampiran 3. Susunan Organisasi Tim Kegiatan dan Pembagian Tugas

No Nama / Program Bidang Alokasi Uraian
NIM Studi Ilmu Waktu Tugas
(jam/minggu)
1. Trisno Teknik Teknik 12 Persiapan
Wibowo Elektro material dan
Ady Saputra Perancang
2. Serly Teknik Teknik 12 Kordinator,
Yuliana Elektro Konseptor
Penguji
Integrasi
3. Nur Teknik Teknik 12 Konsultasi
Husnina Elektro Dosn,
Hanani Administrasi
21
 22

Lampiran 5. Gambaran Teknologi yang Hendak Dikembangkan

a. Sistem minimum

b. Diagram proses pengenalan wajah

 23

c. Skema kerja sistem pendeteksi wajah untuk keamanan rumah

Merekam wajah Program mengenali wajah

Wajah
Tersimpan

Proses ekstrasi wajah

Pendeteksi wajah seseorang

Hasilnya akan menentukan

proses mekanik pada pintu