Prototipe Sistem Keamanan Face Recognition Berbasis Principal Component Analisis (pca)

Abstract

Abstrak Teknologi biometric untuk keamanan yang berkembang saat ini seperti pengenalan sidik jari, pengenalan retina mata dan sebagainnya mengharuskan seseorang memposisikan tubuh pada posisi yang sesuai dengan posisi kamera yang membuat teknologi ini terkesan kaku. Untuk itu sebuah system identifikasi yang lebih fleksibel dan bersifat otomatis yang dapat mencegah pencurian. Pada system ini dirancang sebuah system keamanan untuk akses pintu masuk menggunakan face recognition berbasis Raspberry Pi. Raspberry Pi adalah sebuah komputer berpapan tunggal yang mampu melakukan tugas-tugas layaknya komputer, mampu melakukan pengolahan citra dengan respon yang cepat. Untuk Face recognition menggunakan Metoda Fisherface Terdapat 4 langkah utama pada metode ini, Deteksi Wajah, PCA (Principal Component Analisis), perhitungan FLD (Fisher's Linear Discriminant), dan klasifikasi. Dalam modul deteksi wajah, segmentasi warna dilakukan untuk mendapatkan bagian dari gambar masukan yang memiliki warna kulit, kemudian akan dilakukan pencocokan citra pada database. Digunakan relay sebagai pengatur motor servo dan buzzer untuk memberi tanda. Dengan pencocokan wajah menggunakan metode Principal Component Analisis tingkat keberhasilan pengenalan wajah sebesar 85%. Kata Kunci: Raspberry Pi 3 B+, Solenoid Door Lock, Fisherface, Principal Component Analisis, Web Cam, Relay, Buzzer Abstract Biometric technology for security that develops today such as fingerprint recognition, recognition of the retina of the eye and so on requires that one position the body in a position that is in accordance with the position of the camera that makes this technology seem stiff. For that an identification system that is more flexible and automatic that can prevent theft. In this system a security system is designed for entrance access using Raspberry Pi based face recognition. Raspberry Pi is a single-decked computer capable of performing tasks like a computer, capable of processing images with fast response. For Face recognition using the Fisherface Method There are 4 main steps in this method, Face Detection, PCA (Principal Component Analysis), FLD calculation (Fisher's Linear Discriminant), and classification. In the face detection module, color segmentation is done to get a part of the input image that has a skin color, then the image will be matched to the database. Used relay as a servo motor regulator and buzzer to signal. With face matching using the Principal Component method Analysis of the success rate of face recognition is 81.82%. Keywords: Raspberry Pi 3 B +, Solenoid Door Lock Principal Component Analisis, Fisherface, Web Cam, Relay, Buzzer