RANCANG BANGUN PROTOTYPE PINTU OTOMATIS PADA ATM BERBASIS SINGLE BOARD COMPUTER

Ririn, Salsa Andraini (2024) RANCANG BANGUN PROTOTYPE PINTU OTOMATIS PADA ATM BERBASIS SINGLE BOARD COMPUTER. Diploma thesis, Universitas Andalas.

	Text (Cover dan Abstrak) 1. Abstract.pdf - Published Version Download (309kB)
	Text (Daftar Pustaka) 4. Daftar Pustaka.pdf - Published Version Download (264kB)
	Text (BAB I Pendahuluan) 2. BAB I Pendahuluan.pdf - Published Version Download (337kB)
	Text (BAB V Penutup) 3. BAB V Penutup.pdf - Published Version Download (230kB)
	Text (full text) 5. skripsi fulltext.pdf - Published Version Restricted to Repository staff only Download (9MB)

Abstract

ATM (Anjungan Tunai Mandiri) merupakan fasilitas penting dalam kehidupan modern yang menyediakan layanan perbankan dengan akses mudah. Meski demikian, terdapat tata tertib penggunaan yang sering dilanggar, seperti larangan penggunaan topi, kacamata hitam, helm, masker. Pelanggaran ini kerap dihubungkan dengan tindak kejahatan seperti pembobolan ATM, di mana pelaku menyamarkan identitas mereka dengan atribut tersebut. Penelitian ini bertujuan untuk mengembangkan sistem yang mampu mengenali objek manusia dan objek pelanggaran seperti topi, kacamata hitam, helm, dan masker. Untuk mendeteksi objek manusia dan objek pelanggaran tersebut sistem ini menggunakan salah satu metode pengolahan citra, yaitu You Only Look Once (YOLO). Sistem dirancang untuk membuka pintu secara otomatis jika terdeteksi manusia melalui webcam dan terdeteksi objek melalui sensor ultrasonik. Dan sistem akan mengeluarkan audio notifikasi pelanggaran melalui speaker jika terdeteksi objek pelanggaran. Untuk penelitian ini memanfaatkan perangkat keras berupa raspberry pi, webcam, sensor ultrasonik HC-SR04, motor servo MG996R, motor servo SG90, dan speaker. Sedangkan untuk perangkat lunak akan memanfaatkan Yolov4-tiny untuk mendeteksi objek manusia dan objek pelanggaran. Sistem ini menghasilkan akurasi pengklasifikasian objek manusia dan objek pelanggaran sebesar 95% dan nilai F1-score sebesar 97.44%.

Actions (login required)

View Item