Mandey, Jilvan B. M. G. and Sompie, Sherwin R.U.A and Jacobus, Agustinus (2025) Sistem Pendeteksi Penghuni Rumah Berbasis Layanan Amazon Web Services. Fakultas Teknik Unsrat.
|
PDF (Skripsi)
Download (697kB) | Preview |
Abstract
The advancement of Internet Of Things (IoT) technology has driven innovations in smarter and more efficient home security systems. This study aims to design and implement a home occupant detection system based on Raspberry Pi by utilizing computer vision technology. The system is built using a Raspberry Pi device integrated with a USB webcam to capture facial images in real-time, which are then analyzed using OpenCV and the face_recognition library (based on dlib) to detect and recognize faces locally. As an initial detection step, the system is equipped with a PIR (Passive Infrared) sensor to identify motion in the monitored area. When motion is detected, the webcam is activated to capture facial images. The detected face image is compared with a database of known faces using a face encoding process. If the detected face is unknown, the image is uploaded to AWS S3 and a notification is sent to the user via Whatsapp using the Twilio API. The system can distinguish between registered household members and unknown individuals, and automatically send alerts. Test results show that the system has a high level of accuracy, achieving 100% recognition success for known faces, 100% for unknown faces, and 66.67% recognition accuracy in low-light conditions. Additionally, no further processing is performed when no face is detected in the frame. The integration of the PIR sensor has proven to enhance system efficiency by reducing unnecessary image processing. This study demonstrates that the developed system can improve home security and provide remote realtime monitoring convenience. Keywords: Internet Of Things, Raspberry Pi, OpenCV, Dlib, Face Recognition, Home Security, Twilio Whatsapp API, PIR SensorAbstrak — Perkembangan teknologi Internet Of Things (IoT) telah mendorong inovasi dalam sistem keamanan rumah yang lebih cerdas dan efisien. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem pendeteksi penghuni rumah berbasis Raspberry Pi dengan memanfaatkan teknologi computer vision. Sistem ini dibangun menggunakan perangkat Raspberry Pi yang terintegrasi dengan USB webcam untuk menangkap citra wajah secara real-time, yang kemudian dianalisis menggunakan pustaka OpenCV dan face_recognition (berbasis dlib) untuk mendeteksi serta mengenali wajah secara lokal. Sebagai langkah awal deteksi, sistem dilengkapi dengan sensor PIR (Passive Infrared) untuk mengidentifikasi adanya pergerakan di sekitar area pengawasan. Ketika sensor mendeteksi gerakan, webcam diaktifkan untuk mengambil gambar wajah. Citra wajah yang berhasil terdeteksi akan dibandingkan dengan basis data wajah yang telah dikenali sebelumnya melalui proses face encoding. Jika wajah yang terdeteksi tidak dikenali, sistem akan mengunggah citra tersebut ke layanan AWS S3 dan mengirimkan notifikasi ke Whatsapp pengguna melalui API Twilio. Sistem ini mampu membedakan antara wajah penghuni rumah yang sudah terdaftar dan wajah asing yang tidak dikenali, serta memberikan notifikasi secara otomatis. Hasil pengujian menunjukkan bahwa sistem memiliki tingkat akurasi tinggi dengan keberhasilan pengenalan wajah mencapai 100% untuk wajah yang dikenali, 100% untuk wajah yang tidak dikenali, serta pengujian pengenalan wajah di kondisi cahaya redup mencapai 66,67% dan tidak melakukan proses lebih lanjut jika tidak ada wajah dalam frame. Penambahan sensor PIR terbukti meningkatkan efisiensi sistem dengan mengurangi pemrosesan gambar yang tidak diperlukan. Penelitian ini menunjukkan bahwa sistem yang dibangun dapat meningkatkan keamanan rumah dan memberikan kemudahan pemantauan dari jarak jauh secara real-time. Kata kunci: Internet Of Things, Raspberry Pi, OpenCV, Dlib, Face Recognition, Keamanan Rumah, Twilio Whatsapp API, Sensor PIR
| Item Type: | Other |
|---|---|
| Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software |
| Divisions: | Fakultas Teknik > Teknik Informatika |
| Depositing User: | Mr. Benhard W. Tampangela, ST |
| Date Deposited: | 29 Aug 2025 00:19 |
| Last Modified: | 29 Aug 2025 00:19 |
| URI: | http://repo.unsrat.ac.id/id/eprint/5240 |
Actions (login required)
 |
View Item |
