BAB II

TINJAUAN PUSTAKA

2.1 Landasan Teori

2.1.1 Covid-19

Menurut (Levani, Prastya, & Mawaddatunnadila, 2021) Wabah ini

pertama kali ditemukan di kota Wuhan Provinsi Hubei China. Kebanyakan pasien
pneumonia ini berawal dari pedagang di pasar Huanan yang menjual hewan hidup
yang terletak di kota Wuhan. Pada 7 Januari 2020 para peneliti berhasil
mengidentifikasi penyebab pneumonia ini yakni jenis novel coronavirus. Secara
resmi, WHO menamakan penyakit ini Covid-19 (Corona Virus Disease 2019) dan
nama virus tersebut adalah SARS-CoV-2 (Severe acute respiratory syndrome
coronavirus Pada tanggal 2 Januari 2020, penderita meningkat menjadi 41 orang
yang dirawat dirumah sakit teridentifikasi positif Covid-19 setelah hasil tes keluar
dari laboratorium di kota Wuhan. Sebagian dari penderita memiliki penyakit
bawaan seperti kardiovaskular, diabetes melitus, dan hipertensi. Penyebaran virus
ini semakin meningkat dan telah menyebar hampir ke seluruh Negara di dunia
sehingga pada tanggal 11 Maret 2020, WHO mengumumkan Covid-19 sebagai
pandemi.

2.1.2 Prokes Covid 19

Menurut (Artikel Hukum Penegakan Prokes, 2021) Mengacu kepada

Inpres Nomor 6 Tahun 2020 tentang Peningkatan Disiplin dan Penegakan Hukum
Protokol Kesehatan dalam Pencegahan dan Pengendalian Corona Virus Disease
2019, seluruh kepala daerah di Indonesia baik Gubernur maupun Bupati/Walikota
telah mengeluarkan kebijakan demi peningkatan disiplin protokol kesehatan
dalam pencegahan dan pengendalian Covid-19 sesuai dengan keadaan masing-
masing daerah. Kebijakankebijakan tersebut tentunya telah sesuai dengan
Instruksi Presiden yang disampaikan melalui Inpres Nomor 6 Tahun 2020 tentang
Peningkatan Disiplin dan Penegakan Hukum Protokol Kesehatan dalam
Pencegahan dan Pengendalian Corona Virus Disease 2019.
 Di dalam Inpres Nomor 6 Tahun 2020 tentang Peningkatan Disiplin dan
Penegakan Hukum Protokol Kesehatan dalam Pencegahan dan Pengendalian
Corona Virus Disease 2019, juga menginstruksikan penyediaan sarana cuci tangan
pakai sabun yang mudah diakses dan memenuhi standar atau penyediaan cairan
pembersih tangan (handsanitizer) ditempat umum, upaya pengaturan jaga jarak,
serta pembersihan dan disinfeksi lingkungan secara berkala.

Dalam penerapannya, saat ini telah banyak kita jumpai fasilitas tempat
mencuci tangan hampir disetiap tempat baik itu ditempat umum seperti taman,
pasar, pusat perbelanjaan, maupun perkantoran dan sekolah. Namun tak jarang
juga masih banyak tempat yang belum terdapat tempat untuk mencuci tangan.
Dalam upaya pengaturan jarak, telah dilakukan disetiap tempat-tempat umum
seperti taman dan pusat perbelanjaan seperi mall dan supermarket, sedangkan
untuk tempat umum seperti pasar sendiri masih belum maksimal dalam upaya
penerapan jaga jarak ini. Sedangkan untuk pembersihan dan disinfektasi
lingkungan secara berkala telah dilakukan sesuai dengan apa yang diinstruksikan.
Namun, dalam beberapa bulan terakhir terlihat kesadaran dari masyarakat akan
bahaya dari Covid-19 mulai menurun. Hal tersebut terlihat dari banyaknya
masyarakat yang tidak menggunakan masker di tempat umum, bahkan tidak
menjaga jarak di keramain. Ini mengindetifikasikan bahwa sebaik apapun
peraturan yang dibuat oleh pemerintah, serta setegas apapun aparat penegak
hukum dalam menjalankan peraturan yang berlaku, jika tidak didukung oleh
kesadaran masyarakat dalam melindungi dirinya sendiri, tidak akan pernah
tercapai suatu penegakan hukum seperti yang diinginkan.

2.1.3 Identifikasi

Identifikasi (penelaahan) berasal dari kata Inggris Identify yang artinya

meneliti, menelaah. Identifikasi adalah kegiatan yang mencari, menemukan,
mengumpulkan, meneliti, mendaftarkan, mencatat data dan informasi dari
“kebutuhan” lapangan. Secara intensitas kebutuhan dapat dikategorikan (dua)
macam yakni kebutuhan terasa yang sifatnya mendesak dan kebutuhan terduga
yang sifatnya tidak mendesak. Fungsi dan tujuan identifikasi kebutuhan program
untuk mengetahui berbagai masalah atau kebutuhan program yang diinginkan
masyarakat. Untuk mengetahui berbagai sumber yang dapat dimanfaatkan untuk
pendukung pelaksanaan program dan mempermudah dalam menyusun rencana
program yang akan dilaksanakan. Fungsi agar program yang dikembangkan sesuai
dengan kebutuhan masyarakat. Data yang dikumpulkan dapat digunakan sebagai
dasar penyusunan rencana program yang dapat di pengaruhi pengelola program.
Sebagai bahan informasi bagi pihak lain yang membutuhkan.
(https://id.wikipedia.org/wiki/Identifikasi)

2.1.4 Raspberry Pi .

Menurut (Dimyati Ayatullah, Ariyanto Sandi, & Hendra Wibowo, 2019)

Raspberry Pi merupakan single board computer yang didukung oleh sistem
operasi linux dan banyak digunakan oleh pengembang embedded system.
Raspberry Pi dikembangkan Raspberry Pi Foundation UK [1]. Raspberry Pi-3
Model B mempunyai kecepatan CPU 700 MHz sampai 1.2 GHz dengan memory
256 MB sampai 1 GB. Port USB disediakan sebanyak 4 port untuk mendukung
penambahan perangkat lain dan 40 ping GPIO yang dapat digunakan sebagai
suplai tegangan, PWM, SPI, I2C, serial atau input output. Port HDMI sebagai
connector ke layar monitor. Raspberry Pi-3 Model B menyediakan perangkat
koneksi jaringan menggunakan port Ethernet dan Wireless LAN

Gambar 2.x Raspberry pi

Sumber : (Dimyati Ayatullah et al., 2019)

Wireless LAN 2.4GHz 802.11n tersedia dalam chip board BCM43438. IEEE
802.11 adalah seperangkat standar IEEE yang mengatur metode transmisi
menggunakan jaringan nirkabel. Standar IEEE 802.11 tersebut terdiri dari
beberapa versi yaitu: versi 802.11a, 802.11b, 802.11g, 802.11n, dan 802.11ac.
802.11n merupakan gabungan dari standar 802.11a dan 802.11g mempunyai
kemampuan peningkatan kecepatan 54 Mbit/s to 600 Mbit/s, meningkatkan
keamanan, dan meningkatkan throughput.

Gambar 2.x wireless LAN pada board chip BCM43438

Sumber : (Dimyati Ayatullah et al., 2019)

2.1.5 Pi Camera

Menurut (Raspberry pi.org, 2020) Kamera Raspberry pi (Pi Camera)

memiliki interface industri prosesor antarmuka yaitu MIPI (Mobile Industry
Processor Interface). Kamera serial interface tipe 2 yang memfasilitasi koneksi
kamera kecil ke prosesor broadcom BCM2835. Dengan resolusi kamera yang
meningkat, bandwidth transfer data dari kamera ke prosesor juga meningkat. Fitur
pada kamera Raspberry pi adalah kamera warna 5MP mempunyai resolusi 2592 x
1944 dan mendukung 1080p. Jumlah pin yang ada di kamera Raspberry pi adalah
15 pin yang nantinya akan di hubungkan ke Raspberry pin 3B+ menggunakan
kabel ribbon.
 Gambar 2.x Kamera Raspberry pi ( Pi Camera)

Sumber : (Raspberry pi.org, 2020)

2.1.6 Sensor Ultrasonik HC SR04

Menurut (Shaputra.R,Gunoto.P, 2019) Sensor ultrasonik HC-SR04 adalah sensor

yang bekerja berdasarkan prinsip pantulan gelombang suara dan digunakan untuk
mendeteksi keberadaan suatu object tertentu di depannya, frekuensi kerjanya di
atas gelombang suara dari 40 KHz hingga 400 KHz. Sensor ultrasonik HC-SR04
terdiri dari dua unit, yaitu unit pemancar dan unit penerima. Struktur unit
pemancar dan penerima adalah sebuah kristal piezoelectric dihubungkan dengan
mekanik jangkar dan dihubungkan dengan diafragma penggetar. Tegangan bolak-
balik yang memiliki frekuensi kerja 40 KHz – 400 KHz diberikan pada plat
logam. Struktur atom dari kristal piezoelectric akan berkontraksi (mengikat),
mengembang atau menyusut terhadap polaritas tegangan yang diberikan dan ini
disebut dengan efek piezoelectric. Kontraksi yang terjadi diteruskan ke diafragma
penggetar sehingga terjadi gelombang ultrasonik yang dipancarkan ke udara
(tempat sekitarnya). Pantulan gelombang ultrasonik akan terjadi bila ada object
tertentu dan pantulan gelombang ultrasonik akan diterima kembali oleh unit
sensor penerima. Selanjutnya unit sensor penerima akan menyebabkan diafragma
penggetar akan bergetar dan efek piezoelectric menghasilkan sebuah tegangan
bolak-balik dengan frekuensi yang sama.
 Gamber 2.x Sensor ultrasonic HC SR 04

Sumber : (Shaputra.R,Gunoto.P, 2019)

Pantulan gelombang ultrasonik dapat dimanfaatkan untuk mengukur jarak antara

sensor dan benda yang secara ideal dapat dihitung dengan rumus sebagai berikut :

V .t
S=
2
……………………………………………………(2.1)

2. s
t=
v
………………………………………………(2.2)

Dimana :

s = jarak object dengan sensor (m)

t = waktu tempuh atau lebar pulsa (detik)

v = cepat rambat suara di udara yaitu 340 m/detik (1 cm setiap 29,034 μS)

Untuk menentukan jarak pada mikrokontroler, mikrokontroler cukup mengukur

lebar pulsa atau waktu tempuh dan mengkonversinya dalam bentuk jarak dengan
persamaan sebagai berikut:

lebar pulsa
Jarak LCD= … … … … … … … … … … … … … ..(2.3)
29.034

Dimana :

Jarak : jarak object dengan sensor (m)

Lebar pulsa : waktu tempuh (detik)

29,034 : 1 cm setiap 29,034 μS

2.1.7 Sensor Suhu GY 906

Menurut (Mukhammad & Hyperastuty, 2021) Sensor MLX90614

memiliki memiliki dua buah ouput yaitu suhu ruangan dan suhu object. Sensor
Modul MLX90614 memiliki chip detektor thermopile sensitif IR dan ASIC
pengkondisi sinyal terintegrasi dalam packing sensor model TO-39. Pengkondisi
sinyal berupa low noise amplifier, 17-bit ADC dan unit DSP yang kuat sehingga
mencapai akurasi dan resolusi tinggi dari termometer. Sensor dikalibrasi dengan
output SMBus digital yang diukur dalam kisaran suhu lengkap dengan resolusi
0,02 ° C. Sensor dapat mengukur Suhu -40 hingga 125 ° C untuk suhu ruangan
dan -70 hingga 380 ° C untuk suhu objek. Berdasarkan percobaan dari suhu 26 oC
sampai 40 oC Tingkat error sensor MLX90614 pada jarak sensor dengan object
adalah 3-5 cm adalah 0-2% dengan error suhu yang dihasilkan adalah +- 2 oC dari
kalibrator sensor suhu tubuh menggunakan thermocouple sehingga sensor
MLX90614 bisa digunakan untuk mengukur suhu object baik itu manusia atapun
benda secara non-contact.

Gambar 2.x Sensor GY 906

Sumber : (https://id.aliexpress.com/item/32860955758.html)

2.1.8 Servo

Menurut (Siallagan, 2019) Motor servo hanya memiliki 3 kabel yang mana
masing-masing fungsinya terdiri dari positif (Vcc), negatif (Ground) dan kontrol
(Signal). Motor servo mampu bergerak searah jarum jam ataupun berlawanan arah
jarum jam tanpa membalik pin konektor pada motor servo, hal ini disebabkan
bahwa pada motor servo telah terdapat driver untuk membalik polaritas motor DC
yang ada pada motor servo. Motor servo jenis standar hanya dapat berputar 180°
searah atau berlawanan arah jarum jam. Prinsip kerja motor servo standar adalah
kaki sinyal motor servo diberi sinyal digital dengan lebar sinyal antara 0,60
milidetik sampai 2,00 milidetik.

Gambar 2.x Skematik pengiriman pulsa ke servo

Sumber : (Siallagan, 2019)

Adapun bentuk fisik dan keterangan komponen pada motor Servo MG995 dapat
dilihat pada gambar dibawah ini :

Gambar 2.x Bentuk dan bagian dalam motor Servo MG995

Sumber : (https://otomasi.sv.ugm.ac.id/2019/12/25/servo-controller-circuit-using-
ic-ne555/)
2.1.9 Power Supply

Menurut (Shaputra.R,Gunoto.P, 2019) Power supply adalah suatu

perangkat keras elektronika yang mempunyai fungsi sebagai supplier arus listrik
dengan terlebih dahulu merubah tegangannya dari AC menjadi DC. Jadi arus
listrik PLN yang bersifat Alternating Current (AC) masuk ke power supply
kemudian diubah menjadi Direct Current (DC) baru kemudian dialirkan ke
komponen lain yang membutuhkannya.

Gambar 2.x Powersupply

Sumber : (Shaputra.R,Gunoto.P, 2019)

Power Supply pada dasarnya memiliki 4 bagian utama agar dapat menghasilkan
arus DC yang stabil. Keempat bagian utama tersebut diantaranya adalah:

1. Transformator
Transformator yang digunakan untuk power supply adalah transformator
jenis step-down yang berfungsi untuk menurunkan tegangan listrik sesuai
dengan kebutuhan komponen elektronika yang terdapat pada
rangkaiannya. Transformator bekerja berdasarkan prinsip induksi
elektromagnetik yang terdiri dari 2 bagian utama yang berbentuk lilitan
yaitu lilitan primer dan lilitan sekunder. Lilitan primer merupakan input
dari transformator sedangkan outputnya adalah lilitan sekunder.
2. Rectifier
Rectifier atau penyearah gelombang adalah rangkaian elektronika dalam
power supply yang berfungsi untuk mengubah gelombang AC menjadi
 gelombang DC setelah tegangannya diturunkan oleh transformator step
down.
3. Filter
Dalam rangkaian power supply, filter digunakan untuk meratakan sinyal
arus yang keluar dari rectifier. Filter ini biasanya terdiri dari komponen
kapasitor.
4. Voltage Regulator
Untuk menghasilkan tegangan dan arus DC yang tetap dan stabil,
diperlukan voltage regulator yang berfungsi untuk mengatur tegangan
sehingga tegangan output tidak dipengaruhi oleh suhu, arus beban dan
juga tegangan input yang berasal output filter. Voltage regulator pada
umumnya terdiri dari dioda zener, transistor atau IC (integrated circuit).

2.1.10 Python

Menurut (Pi, 2019) Python adalah bahasa pemrogramman interpretatif

yang dianggap mudah dipelajari serta berfokus dengan keterbacaan kode. Dengan
kata lain, Python di klaim sebagai bahasa pemrogramman yang memiliki kode-
kode pemrogramman yang sangat jelas, lengkap, dan mudah dipahami yang
secara umum berbentuk pemrogramman berorientasi objek, pemrogramman
imperatif, dan pemrogramman

Gambar 2.x Simbol python

Sumber : (https://quickapptechnologies.com/Training/Python)
2.1.11 Open CV

Menurut (Zulkhaidi, Maria, & Yulianto, 2020) Open Computer Vision

(OpenCV) merupakan library open source yang tujuannya dikhususkan untuk
melakukan pengolahan citra. Maksudnya adalah agar komputer mempunyai
kemampuan yang mirip dengan cara pengolahan visual pada manusia. OpenCV
telah menyediakan banyak algoritma visi komputer dasar. OpenCV juga
menyediakan modul pendeteksian objek yang menggunakan metode computer
vision. Saat ini, penelitian mengenai pengenalan wajah dengan cepat berkembang.
Aplikasi komersial tentang ini telah banyak diimplementasikan namun pada
dasarnya teknologi ini belum sempurna Penelitian perlu terus dikembangkan
untuk memperoleh hasil yang diinginkan. Satu hal yang dapat ditambah atau
diimplementasikan dalam pengembangan teknologi pengenalan wajah yaitu
dengan menambah tingkat kecepatan dan akurasi dalam pendeteksian wajah.
Banyak dari sistem pendeteksian tersebut menggunakan metode computer vision
sebagai metode pendeteksi objek. Computer vision dikenal memiliki kecepatan
dan keakuratan yang cukup tinggi karena menggabungkan beberapa konsep (Fitur
Haar, Citra Integral, AdaBoost, Cascade Classifier) menjadi sebuah metode utama
untuk mendeteksi objek.

Gambar 2.x Simbol Open CV

Sumber : (https://icon-icons.com/icon/opencv-logo/170888)

2.1.12 Haar Cascade Classifier

Menurut (Santoso & Kristianto, 2020) Algoritme Haar cascade [13]

digunakan untuk melakukan proses pendeteksian wajah atau objek yang berupa
gambar digital. Algoritme ini menampilkan fungsi matematika yang berupa kotak
dengan menampilkan nilai RGB pada setiap pixel, setelah itu Viola-Jones
mengembangkan algoritme ini, dimana setiap kotak diproses dan menghasilkan
beberapa nilai yang berupa daerah gelap dan terang. Dan nilai-nilai tersebut yang
akan dijadikan sebagai dasar dalam pemrosesan gambar, sehingga dikenal dengan
Haar-Like Feature Proses perhitungan nilai fitur dari Algoritma Haar yaitu dengan
mengurangkan nilai pixel pada daerah putih dengan daerah hitam. Algoritme ini
menggunakan Integral Image dari sebuah citra gambar dalam bentuk grayscale
yang tiap nilai pixel akan dijumlahkan dari nilai pixel kiri atas menuju ke kanan
bawah. Untuk metode Cascade Classifier [15] seperti pada Gambar 2.x
menggunakan beberapa langkah untuk menentukan dan menghitung ulang nilai
Haar Feature sehingga menghasilkan nilai yang lebih akurat. Langkah klasifikasi
pertama meliputi sub citra yang diklasifikasi dengan satu fitur, namun bila tidak
memenuhi akan kriteria akan ditolak hasilnya. Pada Klasifikasi kedua meliputi
klasifikasi kembali pada sub citra sehingga memperoleh nilai threshold yang
ditentukan. Sedangkan pada klasifikasi ketiga meliputi sub citra yang berhasil atau
lolos dan mendekati nilai citra yang sesungguhnya.

Gambar 2.x Metode Deteksi Cascade Classifier

Sumber : (Santoso & Kristianto, 2020)

2.1.13 Objek Deteksi

Menurut (Dompeipen, Najoan, Elektro, Sam, & Manado, 2021) Pada saat
manusia melihat sebuah objek dalam gambar maka otak manusia akan dapat
langsung mengenali objek, letak, beserta kondisi interaksi yang terjadi. Dengan
sistem visual manusia yang cepat dan akurat, memungkinkan manusia untuk dapat
melakukan tugas-tugas kompleks. Namun bagaimana jika tugas-tugas kompleks
tersebut dilakukan oleh sebuah komputer. Untuk itu dibutuhkan sebuah algoritma
yang cepat dan akurat yang akan memungkinkan komputer dapat melakukan hal
serupa hingga berpotensi untuk menyelesaikan tugas secara umum. Deteksi objek
merupakan salah task dari computer vision. Deteksi objek adalah suatu proses
yang digunakan untuk menentukan keberadaan objek tertentu didalam suatu citra
digital. Proses deteksi tersebut dapat dilakukan dengan berbagai macam metode
yang umumnya melakukan pembacaan fitur-fitur dari seluruh objek pada citra
input. Fitur dari objek pada citra input tersebut akan dibandingkan dengan fitur
dari model yang digunakan atau template. Hasil perbandingan tersebut dapat
digunakan untuk menentukan apakah suatu objek terdeteksi sebagai template yang
dimaksud atau tidak. Sistem deteksi objek perlu melatih dan menguji dataset
dengan bounding box dan diberi label untuk kelas per setiap objek untuk proses
pengenalan. Demi mencapai tujuan ini, ada banyak dataset untuk menghasilkan
model Deep Learning seperti Pascal-VOC, MS COCO, atau bahkan dapat
menggunakan dataset yang dibuat sendiri

2.1.14 K.MobileNet

Menurut (Dompeipen et al., 2021) MobileNet, merupakan salah satu

arsitektur Convolutional Neural Network (CNN) yang dapat digunakan untuk
mengatasi kebutuhan akan sumber komputasi berlebih. Para peneliti dari Google
membangun MobileNet atas kebutuhan arsitektur CNN yang dapat digunakan
untuk ponsel maupun sistem tertanam. Perbedaan mendasar antara arsitektur
MobileNet dan arsitektur CNN pada umumnya adalah penggunaan lapisan atau
layer konvolusi dengan ketebalan filter yang sesuai dengan ketebalan dari input
image. MobileNet membagi konvolusi menjadi depthwise convolution dan
pointwise convolution. Arsitektur MobileNet memanfaatkan Batch Normalization
(BN) dan Rectified-Linear unit (ReLU) untuk depthwise convolution dan
pointwise convolution. MobileNet dibangun di atas arsitektur jaringan yang
efisien dengan menggunakan konvolusi yang dapat dipisahkan secara mendalam
untuk menghasilkan Deep Neural Network yang ringan.

2.2 FlowChart

Menurut (Engineering & Management, 2021) Flowchart merupakan

penggambaran secara grafik dari langkah-langkah dan urutan prosedur suatu
program,. Biasanya mempengaruhi penyelesaian masalah yang khusunya perlu
dipelajari dan dievaluasi lebih lanjut. Flowchart dapat digunakan untuk
menyajikan kegiatan manual, kegiatan pemprosesan ataupun keduanya. Flowchart
merupakan rangkaian symbol-simbol yang digunakan untuk mengkontruksi.
Symbol yang digunakan sebagai berikut:

Tabel 2.x Simbol FlowChart

No Symbol Nama Keterangan

Sebuah fungsi pemrosesan yang
dilaksanakan oleh komputer
1 Proses biasanya menghasilkan
perubahan terhadap data atau
informasi
Untuk menyatakan suatu
2 Manual tindakan (Proses) yang tidak
dilakukan oleh komputer
Untuk menunjukkan kondisi
3 Decision / Logika tertentu dengan 2 kemungkinan
YA atau TIDAK
Untuk menyatakan penyediaan
tempat penyimpanan suatu
4 Predefined Proces
pengolahan untuk memberi
harga awal

Untuk menyatakan permulaan

5 Terminal
atau akhir suatu program

Untuk menunjukkan bahwa data

6 Offine Storage dalam symbol ini akan disimpan
kesuatu media tertentu

Untuk menyatakan jalannya

7 Arus / Flow
arus suatu proses
 Untuk menyatakan proses input
8 Input/Output dan output tanpa tergantung
pada jenis peralatan nya
Sumber : (Engineering & Management, 2021)

2.3 Tinjauan Pustaka

Dalam peelitian ini telah dilakukan tinjauan pustaka pada beberapa

penelitian sebelumnya yang memiliki kesamaan dari segi penyelesaian masalah
dan jenis alat yang digunakan. Berikut ini adalah beberapa penelitian yang
dianggap memiliki keterkaitan yang searah dengan penelitian yang akan dibahas
dalam proposal skripsi ini. Adapun tinjauan pustaka yang dilakukan dapat dilihat
pada tabel 2.3 Literatur Review:

DAFTAR PUSTAKA

Artikel Hukum Penegakan Prokes. (2021). 15(7), 4727–4740.

Dimyati Ayatullah, M., Ariyanto Sandi, E., & Hendra Wibowo, G. (2019).
Rancang Bangun Absensi Mahasiswa Berbasis Fingerprint Menggunakan
Komunikasi Wireless. Jurnal Informatika: Jurnal Pengembangan IT, 4(2),
152–158. https://doi.org/10.30591/jpit.v4i2.1123

Dompeipen, T. A., Najoan, M. E. I., Elektro, J. T., Sam, U., & Manado, R. (2021).
Computer Vision Implementation for Detection and Counting the Number of
Humans. 16(1), 65–76.

Engineering, I., & Management, E. (2021). 戴志 敏 1 , 顾 丽原 1 , 诸竹 君 2.

35(2), 1–14.

Levani, Prastya, & Mawaddatunnadila. (2021). Coronavirus Disease 2019

(COVID-19): Patogenesis, Manifestasi Klinis dan Pilihan Terapi. Jurnal
Kedokteran Dan Kesehatan, 17(1), 44–57. Retrieved from
https://jurnal.umj.ac.id/index.php/JKK/article/view/6340

Mukhammad, Y., & Hyperastuty, A. S. (2021). Sensitivitas Sensor MLX90614

Sebagai Alat Pengukur Suhu Tubuh Tubuh Non-Contact Pada Manusia.
Indonesian Journal of Professional Nursing, 1(2), 51.
https://doi.org/10.30587/ijpn.v1i2.2339

Pi, R. (2019). 2) 3) 2). 7(2), 81–85.

Raspberry pi.org. (2020). Kamera Raspberry Pi. Raspberry Pi Foundation, 3(2),

1–1. Retrieved from
https://www.raspberrypi.org/documentation/hardware/camera/

Santoso, B., & Kristianto, R. P. (2020). Implementasi Penggunaan Opencv Pada

Face Recognition Untuk Sistem Presensi Perkuliahan Mahasiswa. Sistemasi,
9(2), 352. https://doi.org/10.32520/stmsi.v9i2.822

Shaputra.R,Gunoto.P, I. . (2019). Kran Air Otomatis Pada Tempat Berwudhu

Menggunakan Sensor Ultrasonik Berbasis Arduino Uno. Sigma Teknika,
2(2), 192–201.

Siallagan, V. (2019). Perancangan Pembangkit Tenaga Surya Dengan Pengarah

Sinar Matahari Otomatis Berbasis Arduino Uno. Sigma Teknika, 2(2), 233.
 https://doi.org/10.33373/sigma.v2i2.2087

Zulkhaidi, T. C. A.-S., Maria, E., & Yulianto, Y. (2020). Pengenalan Pola Bentuk
Wajah dengan OpenCV. Jurnal Rekayasa Teknologi Informasi (JURTI),
3(2), 181. https://doi.org/10.30872/jurti.v3i2.4033