KEAMANAN AKSES RUANGAN MENGGUNAKAN YOLO DAN BLINK DETECTION

Rifani, Namira Nur (2025) KEAMANAN AKSES RUANGAN MENGGUNAKAN YOLO DAN BLINK DETECTION. Diploma thesis, Politeknik Negeri Sriwijaya.

Preview	Text (Cover) HALAMAN DEPAN (COVER).pdf - Published Version Download (798kB) | Preview
Preview	Text (Abstrak) ABSTRAK.pdf - Published Version Download (255kB) | Preview
	Text (BAB I) BAB I.pdf - Published Version Restricted to Repository staff only Download (233kB)
	Text (BAB II) BAB II.pdf - Published Version Restricted to Repository staff only Download (1MB)
	Text (BAB III) BAB III.pdf - Published Version Restricted to Repository staff only Download (1MB)
	Text (BAB IV) BAB IV.pdf - Published Version Restricted to Repository staff only Download (1MB)
	Text (BAB V) BAB V.pdf - Published Version Restricted to Repository staff only Download (202kB)
	Text (Daftar Pustaka) DAFTAR PUSTAKA.pdf - Published Version Restricted to Repository staff only Download (220kB)
	Text (Lampiran) LAMPIRAN.pdf - Published Version Restricted to Repository staff only Download (2MB)

Abstract

Sistem keamanan berbasis biometrik menjadi semakin penting dalam era digital, khususnya untuk meningkatkan proteksi akses terhadap ruang atau fasilitas penting. Penelitian ini mengembangkan sistem autentikasi berbasis deteksi wajah dan deteksi kedipan mata menggunakan model YOLOv11, yang dijalankan secara real- time pada perangkat Raspberry Pi. Sistem dirancang agar mampu membedakan wajah asli dari upaya spoofing berbasis gambar atau foto statis melalui mekanisme liveness detection menggunakan deteksi kedipan. Model face detection menghasilkan performa evaluasi yang tinggi dengan precision sebesar 0.999, recall 1.000, dan mAP@0.5 mencapai 0.995. Sementara itu, model blink detection menggunakan dua kelas—blink dan attentive—menunjukkan hasil precision sebesar 0.959, recall 0.962, dan mAP@0.5 sebesar 0.967. Sistem juga diintegrasikan dengan antarmuka web berbasis Flask dan layanan WhatsApp API untuk mengirimkan notifikasi akses secara real-time. Pengujian dilakukan dalam berbagai kondisi (sudut, jarak, dan pencahayaan), menunjukkan bahwa sistem bekerja secara stabil dengan akurasi tinggi hingga sudut 45° dan jarak maksimal 1 meter untuk blink detection. Hasil pengujian dan evaluasi menunjukkan bahwa sistem memiliki potensi untuk diimplementasikan pada lingkungan dunia nyata sebagai solusi keamanan berbasis biometrik yang efisien.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	YOLO, Deteksi Wajah, Pengenalan Wajah, Deteksi Kedipan, Akses Pintar
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Electronic Engineering > Undergraduate Theses
Depositing User:	Pustaka Teknik Elektro
Date Deposited:	11 Aug 2025 04:29
Last Modified:	11 Aug 2025 04:29
URI:	http://eprints.polsri.ac.id/id/eprint/17955

Actions (login required)

View Item