Sistem CCTV dalam Mengidentifikasi Pengenalan Wajah Menggunakan Algoritma Local Graph Structure

Abstract

Keamanan merupakan hal penting dalam kehidupan. Dalam ruangan pada tempat magang sebelumnya pernah terjadi kerusakan atau kehilangan pada barang, sehingga keamanan sangatlah penting dilakukan dalam ruangan agar tidak terjadi kembali tindak kejahatan. Oleh karena itu pada penelitian ini dibuatlah suatu alat berupa prototype CCTV dengan kemampuan pengenalan wajah yang menggunakan algoritma local graph structure. Penelitian ini melibatkan tahapan analisis masalah, perancangan dan uji coba alat, serta pembuatan dan uji coba web. Alat kemudian diintegrasikan dengan web, diikuti uji coba sistem, dan analisis data untuk menilai kinerja keseluruhan sistem. Hasil pengujian dari objek yang diuji dengan tiga kali pengujian berbeda dan menggunakan jarak kurang dari 50 cm mendapatkan tiga hasil yang berbeda juga pada setiap pengujian. Pengujian pertama dengan menguji objek menghadap kedepan kamera menghasilkan nilai 100%, lalu pengujian kedua dengan objek menggunakan masker menghasilkan nilai 60%, dan pengujian ketiga dengan objek menghadap kesamping mendapatkan nilai persentase 100%. Dari ketiga hasil tersebut pengujian kedua dapat disimpulkan kurang efektif menggunakann algoritma penelitian ini.

Security is an important aspect of life. In the previous internship location, there were incidents of damage or loss of items in the room, making security crucial to prevent further criminal activities. Therefore, this research aims to develop a prototype CCTV device with face recognition capabilities using the local graph structure algorithm. This study involves problem analysis, design and testing of the device, as well as the development and testing of the web interface. The device is then integrated with the web interface, followed by system testing and data analysis to evaluate the overall system performance. Testing results from objects tested three times at different angles and within a distance of less than 50 cm yielded three different outcomes for each test. The first test, with the object facing the camera, resulted in a 100% success rate. The second test, with the object wearing a mask, resulted in a 60% success rate. The third test, with the object facing sideways, also yielded a 100% success rate. From these results, it can be concluded that the second test is less effective using the algorithm of this research.