Rancang Bangun Sistem Ruang Rapat Pintar dengan Verifikasi Wajah Berbasis Embedding pada Raspberry Pi

Abstract

Sistem reservasi ruang rapat manual di Permodalan Nasional Madani memicu fenomena ghost meeting hingga 20%, yang menghambat produktivitas korporat dan pemanfaatan aset. Penelitian ini bertujuan merancang sistem ruang rapat pintar menggunakan verifikasi wajah berbasis embedding, internet of things, dan Google Calendar API untuk mengotomatisasi penjadwalan serta pemantauan kehadiran real-time. Sistem dibangun menggunakan Raspberry Pi 4B, kamera USB, dan layar LCD berbasis Python dengan pustaka face_recognition untuk ekstraksi fitur wajah menjadi vektor 128 dimensi. Fitur utama yang diimplementasikan adalah mekanisme auto-release dalam 10 menit jika kehadiran tidak terdeteksi. Pengujian operasional selama satu bulan menunjukkan performa sistem sangat stabil dengan waktu respons rata-rata 0,9176 detik dan akurasi verifikasi wajah 100% pada jarak 60 cm. Temuan utama penelitian membuktikan bahwa fitur auto-release berhasil memangkas durasi waktu terbuang akibat ghost meeting dari 14,5 jam menjadi 1,8 jam, sehingga meningkatkan efektivitas pemanfaatan ruang rapat sebesar 24,2%. Dengan skor kepuasan pengguna 3,81 dari skala 4,00, sistem ini terbukti layak dan efektif untuk diterapkan secara luas di lingkungan korporat guna mengoptimalkan pengelolaan aset.

Manual meeting room reservation at Permodalan Nasional Madani causes a ghost meeting rate of up to 20%, hindering corporate productivity and asset utilization. This research aims to design a smart meeting room system using embedding-based face verification, internet of things, and Google Calendar API to automate scheduling and real-time attendance tracking. Developed using Raspberry Pi 4B, a USB camera, and an LCD screen, the system runs on Python with the face_recognition library to extract facial features into 128 dimensional vectors. A key feature is the 10 minute auto-release mechanism for undetected attendance. One-month operational testing demonstrated excellent stability, featuring a 0.9176 second average response time and 100% face verification accuracy at 60 cm. Crucially, the auto-release feature reduced wasted ghost meeting time from 14.5 to 1.8 hours, enhancing room utilization efficiency by 24.2%. Securing a user satisfaction score of 3.81 out of 4.00, this system is highly feasible and effective for widespread corporate deployment to optimize asset management.