Femi, Nabila (2022) SISTEM KEAMANAN BRANKAS MENGGUNAKAN FACE RECOGNITION DAN ONE TIME PASSWORD BERBASIS INTERNET OF THINGS. Diploma thesis, Universitas Andalas.
Text (Cover dan Abstrak)
Abstrak.pdf - Published Version Download (128kB) |
|
Text (BAB I Pendahuluan)
BAB I.pdf - Published Version Download (111kB) |
|
Text (BAB V Penutup)
BAB V.pdf - Published Version Download (34kB) |
|
Text (Daftar Pustaka)
DAFTAR PUSTAKA.pdf - Published Version Download (133kB) |
|
Text (Skripsi Full Text)
Full_TA_Femi.pdf - Published Version Restricted to Repository staff only Download (8MB) |
Abstract
Penggunaan sistem keamanan brankas pada umumnya dianggap tidak efisien dalam menjamin keamanan. Hal ini dikarenakan seiring berkembangnya teknologi, modus-modus yang digunakan oleh pencuri akan berkembang pula, pemilik tidak dapat mengetahui akses yang dilakukan di pintu brankas, sehingga tidak dapat diketahui siapa yang membuka pintu brankas selain pemilik brankas, Sehingga hal ini akan mempermudah pencuri untuk membobol brankas dengan pengamanan konvensional. Untuk itu diciptakan sebuah sistem pengawasan dual authentication dan bersifat real-time terhadap brankas dalam skala prototype dengan menggunakan Face Recognition dan One Time Password. Metode dalam membangun sistem Face Recognition menggunakan metode SSD (Single Shot Multiple Box Detector) sebagai pendeteksian wajah dan SVM (Support Vector Machine) sebagai klasifikasi wajah. Kode OTP yang digunakan akan dibangkitkan dan dikirim setelah wajah dikenali sebagai pemilik brankas dan akan berganti setiap 2 menit. Berdasarkan hasil uji coba terhadap sistem, metode SSD sebagai detector wajah dapat bekerja 100%, lalu akurasi pada metode SVM sebagai pengenalan wajah mencapai 90%. Kode OTP dengan 6 digit kombinasi angka dan huruf yang disesuaikan 100% dapat berganti setiap 2 menit setelah wajah dikenali. Selanjutnya pada Bot Telegram 100% dapat menerima notifikasi-notifikasi dari sistem. Dari pengujian terhadap sistem secara keseluruhan, sistem dapat bekerja sesuai dengan fungsinya dengan keberhasilan 100%.
Item Type: | Thesis (Diploma) |
---|---|
Primary Supervisor: | Desta Yolanda, M.T |
Uncontrolled Keywords: | Pengenalan Wajah, kode OTP, Bot Telegram, Notifikasi |
Subjects: | T Technology > T Technology (General) T Technology > TA Engineering (General). Civil engineering (General) |
Divisions: | Fakultas Teknologi Informasi > Teknik Komputer |
Depositing User: | s1 sistem komputer |
Date Deposited: | 30 Aug 2022 07:51 |
Last Modified: | 30 Aug 2022 07:51 |
URI: | http://scholar.unand.ac.id/id/eprint/111005 |
Actions (login required)
View Item |