Hasil Pencarian  ::  Simpan CSV :: Kembali

"Berdasarkan survei yang dilakukan oleh lembaga riset digital Emarketer, pengguna ponsel pintar di Indonesia mencapai 180 juta pada tahun 2014 dan 34% dari mereka yang menggunakan ponsel berbasis Android. Banyak masalah perampokan kriminal di Indonesia juga masih relatif besar. Kemudahan untuk mendapatkan kunci duplikat dan tingginya biaya tingkat keamanan adalah penyebab masalah ini. Aplikasi sistem keamanan menggunakan ponsel Android telah dikembangkan. Namun, masalahnya masih ada. Sistem ANDOORID dikembangkan sebagai prototipe untuk mengatasi kendala yang ada, dapat diterapkan di mana-mana, memiliki biaya rendah dan kemudahan dalam membuat basis data yang tersedia. Sistem ANDOORID menggunakan ponsel Android dan menggunakan fitur Bluetooth untuk berkomunikasi dengan sirkuit Arduino yang terhubung melalui modul Bluetooth HC-05 dan NodeMCU untuk berkomunikasi dengan database. Pin tersebut digunakan untuk menjadi metode otentikasi yang mengirim melalui modul Bluetooth bersama dengan nama dan alamat MAC dari ponsel Android. Data tersebut kemudian akan dibandingkan dengan data yang disimpan dalam database. Jika perbandingan cocok, kunci akan dibuka. Jika tidak, sistem akan menyimpan alamat perangkat yang baru terhubung tanpa hak akses dan pintu tidak akan terbuka.

---

Based on a survey conducted by the digital research institute Emarketer, smartphone users in Indonesia reached 180 million in 2014 and 34% of them used Android-based phones. Many criminal robbery problems in Indonesia are also still relatively large. The ease of getting duplicate keys and the high cost of security is the cause of this problem. Security system applications using Android phones have been developed. However, the problem still exists. The ANDOORID system was developed as a prototype to overcome existing obstacles, can be applied everywhere, has a low cost and ease in making databases available.

The ANDOORID system uses an Android phone and uses the Bluetooth feature to communicate with the Arduino circuit which is connected via the Bluetooth module HC-05 and NodeMCU to communicate with the database. The pin is used to be an authentication method that sends via a Bluetooth module along with the name and MAC address of an Android phone. The data will then be compared with the data stored in the database. If the matches match, the lock will be opened. Otherwise, the system will store the address of the newly connected device without access rights and the door will not open."

"Isu keamanan ruangan pada gedung perkantoran penting diperhatikan karena pentingnya fungsi masing-masing ruangan. Smart Door-Lock System berbasis Bluetooth dan Fingerprint merupakan sebuah sistem keamanan cerdas berbasis otentikasi pengguna dengan memanfaatkan fitur fingerprint scanner pada smartphone Android yang digunakan untuk membuka kunci pada suatu ruangan. Aplikasi Android 'Bluetooth DoorLock' memiliki fungsi fingerprint scanner, device pairing dan door lock. Perangkat keras yang digunakan adalah Arduino, modul Bluetooth, serta aktuator berupa solenoid door lock. Hasil uji coba implementasi sistem menunjukkan bahwa rata-rata waktu respon pada jarak ideal tanpa penghalang adalah sebesar 0.268 detik, sedangkan dengan penghalang berupa tembok beton adalah sebesar 0.507 detik. Rata-rata respon pengguna terhadap fungsionalitas sistem, fitur aplikasi, serta tampilan aplikasi berturut-turut adalah 82.96, 79.06, dan 83.28.

---

The issue of room security in the office building is important to note. Bluetooth and Fingerprint based Smart Door Lock System is an intelligent user based authentication security system by utilizing the fingerprint scanner feature on Android smartphones used to unlock a room. The Bluetooth DoorLock Android app has a fingerprint scanner, pairing device and door lock functions. The hardware used is Arduino, Bluetooth module, and an actuator in the form of solenoid door lock.

The results of the system rsquo s implementation test shows that the average response time at the ideal distance without a barrier is 0.268 seconds, while with a barrier of concrete wall is 0.507 seconds. Average user response to system functionality, app features, and app display are 82.96 , 79.06 , and 83.28 respectively."

"Penelitian tugas akhir ini meliputi tiga hal utama, yaitu pengembangan perangkat lunak sistem pintu otomatis yang dapat berjalan secara real time, penerapan algoritma pengenalan wajah Fuzzy Neuro Learning Vector Quantization berbasiskan dimensi pada perangkat lunak, dan pengujian atau eksperimen dari algoritma Fuzzy Neuro Learning Vector Quantization berbasiskan dimensi dengan menggunakan data wajah yang tidak ideal. Hasil yang diharapkan adalah perangkat lunak dari sistem yang dapat berjalan secara real time, dan gambaran perilaku dari algoritma Fuzzy Neuro Learning Vector Quantization berbasiskan dimensi dalam menangani data tidak ideal.The purpose of this final project research included three main things, the development of auto door-lock system software that can run in real time, the application of the Fuzzy Neuro Learning Vector Quantization dimension based algorithm, and the experiment of Fuzzy Neuro Learning Vector Quantization dimension based algorithm using non ideal data. The results of this research are, the real time auto door-lock system software, and the behavior of Fuzzy Neuro Learning Vector Quantization dimension based algorithm in dealing with non ideal data."

"Penelitian dilakukan untuk mengembangkan sistem keamanan rumah dengan webcam yang sudah ada saat ini. Sistem keamanan saat ini menggunakan webcam hanya untuk merekam dan menyimpan kejadian dalam bentuk video file. Hal tersebut dirasa kurang cukup aman dikarenakan saat kejadian berlangsung seperti perampokan tidak ada notifikasi kepada pemilik rumah. Maka pada penelitian ini ditambahkan sebuah fitur pada sistem untuk mendeteksi wajah penghuni rumah dan akan memberikan notifikasi ketika ada wajah yang tidak dikenal. Sistem ini juga akan digabungkan dengan akses pintu otomatis menggunakan solenoid door lock. Metode yang digunakan adalah Deep Learning Matric untuk implementasi pada face recognition yang digunakan untuk akses kunci pintu rumah.Hasil yang didapatkan dari pengujian sistem cukup baik, dimana sistem dapat membedakan penghuni rumah dengan orang asing dengan beberapa kriteria pengujian, diantaranya dengan pengujian jarak webcam dengan orang pada siang sekitar pukul 12.00 sampai 13.00 dan malam hari sekitar pukul 19.00 sampai 20.00 dengan menghadap kearah webcam, pengujian banyaknya wajah yang terdeteksi webcam dalam satu frame, dan notifikasi kepada penghuni rumah. Berdasarkan hasil pengujian dan analisis, banyaknya wajah yang tertangkap bisa lebih dari 3 orang dan untuk persentase akurasi pada pengujian siang hari didapatkan sebesar 91.11% sedangkan pada malam hari sebesar 80%. Dari persentase yang didapatkan, pendeteksian pada siang hari lebih baik dan akurat dibandingkan pada malam hari dikarenakan intensitas cahaya yang mempengaruhi kerja dari algoritma face recognition.

---

The study was conducted to develop a home security system with a webcam that already exists today. The current security system only uses the camera to record and save events in the form of video files. This is not enough safe because when the incident took place such as a robbery there was no notification to the homeowner. Therefore, in this study added some feature for a system to recognize faces of homeowner and will provide notifications when there are faces that are not known. This system will also be combined with automatic door access using solenoid door lock. The method used is the Deep Learning Matric for the implementation of face recognition which will used for door lock access.

The results obtained from the testing of the system are quite good where the system can distinguish between homeowner and strangers with several testing criteria, including testing the distance of the camera with people at noon around 12:00 to 13:00 and the night around 19:00 to 20:00 by facing the camera, testing the number of faces detected by cameras, and notifications to residents. Based on the results of testing and analysis, many faces can be caught more than 3 people and for the percentage of accurated in daytime testing obtained by 91.11% while at night by 80%. From the percentage obtained, the detection during the day is better and more accurate than at night due to the light intensity that affects the work of the face recognition algorithm.

"