SISTEM PENGENALAN PELAKU PEMBUANG SAMPAH DI SUNGAI SEKANAK DENGAN METODE FACE RECOGNITION

Febriansyah, Muhammad Fakhri (2026) SISTEM PENGENALAN PELAKU PEMBUANG SAMPAH DI SUNGAI SEKANAK DENGAN METODE FACE RECOGNITION. Diploma thesis, Politeknik Negeri Sriwijaya.

Preview	Text (COVER) COVER.pdf - Published Version Download (972kB) | Preview
Preview	Text (ABSTRAK) ABSTRAK.pdf - Published Version Download (124kB) | Preview
	Text (BAB 1 PENDAHULUAN) BAB I.pdf - Published Version Restricted to Repository staff only Download (135kB) | Request a copy
	Text (BAB II TINJAUAN PUSTAKA) BAB II.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text (BAB III RANCANG BANGUN) BAB III.pdf - Published Version Restricted to Repository staff only Download (2MB) | Request a copy
	Text (BAB IV PEMBAHASAN) BAB IV.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text (BAB V KESIMPULAN DAN SARAN) BAB V.pdf - Published Version Restricted to Repository staff only Download (95kB) | Request a copy
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf - Published Version Restricted to Repository staff only Download (74kB) | Request a copy
	Text (LAMPIRAN) LAMPIRAN.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Pembuangan sampah sembarangan di Sungai Sekanak masih menjadi permasalahan lingkungan yang memerlukan pengawasan yang efektif. Penelitian ini bertujuan mengembangkan sistem pengenalan pelaku pembuangan sampah berbasis Face Recognition. Sistem mengintegrasikan YOLOv8 untuk mendeteksi aktivitas pembuangan sampah, Haar Cascade dan pustaka face_recognition untuk mengenali wajah, fitur Security Alert, serta Telegram untuk mengirimkan notifikasi beserta bukti foto pelaku. Pengujian dilakukan pada berbagai kondisi pencahayaan dan jarak kamera menggunakan 35 data wajah. Kinerja sistem dievaluasi menggunakan confusion matrix dengan parameter precision, recall, accuracy, dan F1-score. Hasil pengujian menunjukkan nilai precision sebesar 100%, recall sebesar 20%, accuracy sebesar 20%, dan F1-score sebesar 33,33%. Sistem mampu mengenali wajah dengan tepat ketika berhasil terdeteksi, namun performanya masih dipengaruhi oleh kondisi pencahayaan dan jarak kamera. Secara keseluruhan, sistem berhasil mengintegrasikan deteksi aktivitas, pengenalan wajah, Security Alert, dan notifikasi otomatis sehingga dapat mendukung pengawasan kebersihan di kawasan Sungai Sekanak.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Face Recognition, YOLOv8, Haar Cascade, Security Alert, Telegram
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Electronic Engineering > Undergraduate Theses
Depositing User:	Pustaka Teknik Elektro
Date Deposited:	03 Aug 2026 01:44
Last Modified:	03 Aug 2026 01:44
URI:	http://eprints.polsri.ac.id/id/eprint/23789

Actions (login required)

View Item