Penggunaan kamera pengawas atau yang sering disebut dengan CCTV (Closed Circuit Television) sebagian besar hanya digunakan sebagai bukti-bukti kejahatan ataupun sebagai referensi bagi penegak hukum untuk mengenali pelaku namun kurang berperan dalam tindak pencegahan. Oleh karena itu pada penelitian ini, dikembangkan kecerdasan buatan kamera yang dapat melakukan proses pengolahan verifikasi atau pengenalan wajah. Verifikasi wajah bekerja dengan mendeteksi wajah dikenali oleh sistem dan wajah tidak dikenali oleh sistem sehingga apabila sistem tidak mengenali objek maka sistem akan mengirimkan notifikasi real time sehingga tindakan pencurian bisa langsung dicegah. Metode pengenalan wajah yang digunakan pada penelitian kali ini menggabungkan beberapa metode diantaranya Haar Cascade, Histogram of Image, dan Deep Metric Learning. Pengujian dilakukan menggunakan Raspberry Pi dan kamera web yang disimulasikan sebagai CCTV. Kemudian diujikan dengan beberapa jenis variabel yang dianggap dapat memengaruhi hasil deteksi secara signifikan. Hasilnya, pada intensitas cahaya 50 – 80 lux variable independent tinggi memberi nilai signifikan 0.018 dan jarak memberi nilai signifikan 0.000 sedangkan pada intensitas cahaya 1000 – 1600 lux variable independent tinggi memberi nilai signifikan 0.000 yang artinya jika nilai signifikan kurang dari taraf nyata (α = 0.05) maka variable independent tersebut memberi pengaruh signifikan terhadap hasil deteksi.

">

Dini Setiawati "Metode Deep Metric Learning untuk Pengenalan Wajah pada Sistem Keamanan Rumah” Tugas Akhir Sarjana Terapan Teknik Telekomunikasi Jurusan Teknik Elektro Politeknik Negeri Semarang, dibawah bimbingan Dr. Sidiq Syamsul H., S.T., M.T. dan Sindung Hadwi W.S., BSEE, M.Eng. Sc.
Penggunaan kamera pengawas atau yang sering disebut dengan CCTV (Closed Circuit Television) sebagian besar hanya digunakan sebagai bukti-bukti kejahatan ataupun sebagai referensi bagi penegak hukum untuk mengenali pelaku namun kurang berperan dalam tindak pencegahan. Oleh karena itu pada penelitian ini, dikembangkan kecerdasan buatan kamera yang dapat melakukan proses pengolahan verifikasi atau pengenalan wajah. Verifikasi wajah bekerja dengan mendeteksi wajah dikenali oleh sistem dan wajah tidak dikenali oleh sistem sehingga apabila sistem tidak mengenali objek maka sistem akan mengirimkan notifikasi real time sehingga tindakan pencurian bisa langsung dicegah. Metode pengenalan wajah yang digunakan pada penelitian kali ini menggabungkan beberapa metode diantaranya Haar Cascade, Histogram of Image, dan Deep Metric Learning. Pengujian dilakukan menggunakan Raspberry Pi dan kamera web yang disimulasikan sebagai CCTV. Kemudian diujikan dengan beberapa jenis variabel yang dianggap dapat memengaruhi hasil deteksi secara signifikan. Hasilnya, pada intensitas cahaya 50 – 80 lux variable independent tinggi memberi nilai signifikan 0.018 dan jarak memberi nilai signifikan 0.000 sedangkan pada intensitas cahaya 1000 – 1600 lux variable independent tinggi memberi nilai signifikan 0.000 yang artinya jika nilai signifikan kurang dari taraf nyata (α = 0.05) maka variable independent tersebut memberi pengaruh signifikan terhadap hasil deteksi.