PENERAPAN METODE RETINAFACE UNTUK SISTEM KEAMANAN PINTU BERBASIS PENGENALAN WAJAH
Abstract
Keamanan pintu menjadi aspek penting dalam melindungi akses ke ruangan tertentu. Sistem keamanan tradisional seperti kunci fisik dan kode sandi memiliki kelemahan, seperti mudah hilang, dicuri, atau ditebak. Oleh karena itu, penelitian ini bertujuan untuk menerapkan metode RetinaFace pada sistem keamanan pintu berbasis pengenalan wajah, sehingga mampu meningkatkan akurasi deteksi dalam berbagai kondisi, termasuk pencahayaan rendah dan sudut wajah miring. Metode yang digunakan dalam penelitian ini adalah pendekatan deep learning dengan algoritma RetinaFace, yang menggabungkan deteksi wajah dan landmark dalam satu tahap (single-stage) dengan memanfaatkan fitur jaringan piramida dan modul konteks. Penelitian ini melibatkan empat pengguna dengan masing-masing empat gambar wajah yang diuji dalam tiga kondisi berbeda, yaitu pencahayaan cukup, pencahayaan rendah, dan wajah miring. Hasil pengujian menunjukkan bahwa metode RetinaFace mencapai akurasi 100% pada kondisi pencahayaan cukup, 91,7% pada kondisi pencahayaan rendah, dan 83,3% pada kondisi wajah miring. Sistem ini juga mampu memberikan respon real-time dengan waktu deteksi kurang dari 0,5 detik pada sebagian besar pengujian. Meskipun akurasinya sedikit menurun pada kondisi pencahayaan rendah dan wajah miring, metode RetinaFace tetap andal diterapkan pada sistem keamanan pintu berbasis pengenalan wajah.
References
Agung Yoke Basuki et al, “ Perancangan Door Lock Face Recognition Dengan Metoda Eigenfaces Menggunakan Opencv2.4.9 Dan Telegram Messenger Berbasis Raspberry Pi ”, Jurnal Teknologi Elektro, Universitas Mercu Buana, Vol. 10. No.1 Januari 2019.
Kiki Wahyuddin et al, Sistem Deteksi Wajah Keamanan Pintu Menggunakan Metode Convolutional Neural Network (CNN) Bberbasis Arduino “, Scientific Student Journal for Information, Technology and Sience, Vol. IV No: 1, Jan 2023.
Lars Ankile et al, Application of Facial Recognition using Convolutional Neural Network for Entry Access Control, NTNU Departement of Computer Science, Nov 2020.
Danu fahmi aziz, “simulasi akses ruangan pada sistem pengenalan wajah menggunakan metode triangle face” program studi strata-1 teknik elektro, Fakultas Teknik unuversitas jember 2012.
Ahmad Arifuddin, “rancang bangunsistem keamanan pintu rumah menggunakan metode segitiga wajah (triangle face) berbasis raspberry” PT. Telkom akses, Jakarta 2021.
Adindya Giovannil, Widyaningrum Indrasari, Heri Firmansyah “Pendeteksian wajah sebagai sebuah sistem kemanan ruangan” Program studi Fisika, Fakultas Matematika, Universitas Negeri Jakarta 2023.
Muhammad Arsal et al, Face Recognition Untuk Akses Pegawai Bank Menggunakan Deep Learning Dengan Metode CNN, Jurnal Nasional Teknologi dan Sistem Informasi, Vol. 06 No. 01 (2020).
Martin Drahansky et al, Generation of Skin Diseases into Synthetic Fingerprints, International Journal of Image Processing (IJIP), Volume (10): Issue (5) : 2016
Suhendro Yusuf Irianto et al, Studi Akurasi Karakteristik Retina Sebagai Future Identification dengan Euclidean Distance Metrics, Informatika Mulawarman: Jurnal Ilmiah Ilmu Komputer, Vol. 16, No. 1 Februari 2021.
Ghilman Muhammad Zaki et al, Deteksi Penggunaan Masker Pada Citra Menggunakan RetinaFace dengan MobileNetV2, e-Proceeding of Engineering: Vol.10, No.5 Oktober 2023.
Tsung-Yi Lin et al, Feature Pyramid Networks for Object Detection, Computer Vision and Pattern Recognition, Cornell University, 19 Apr 2017.
_.png)
.png)
