tugas akhir

PROPOSAL PROYEK AKHIRTAHUN AJARAN 2014/2015FACE DETECTION DAN KODE PASSWORDUNTUK SISTEM KEAMANAN RUMAH

Oleh DIAN NEIPA PURNAMASARINRP. 1203121007

PROGRAM STUDI TEKNIK TELEKOMUNIKASI

POLITEKNIK ELEKTRONIKA NEGERI SURABAYA

JANUARI, 2015LEMBAR PENGESAHAN PROPOSAL PROYEK AKHIR

TAHUN 2014/2015

FACE DETECTION DAN KODE PASSWORDUNTUK SISTEM KEAMANAN RUMAH

OlehDian Neipa PurnamasariNRP. 1203121007Proposal Proyek Akhir ini Diajukan untuk

Dilanjutkan sebagai Proyek Akhir

di

Program Studi Teknik Telekomunikasi - Politeknik Elektronika Negeri Surabaya,

Disetujui Oleh :

Tim Penguji :

1.

NIP.Dosen Pembimbing :

1. Akuwan Saleh, S.ST., MT.NIP. 196711231989021001

2.

NIP.2. Haryadi Amran, S.ST., MT.NIP. 197001021995121001

3.

NIP.

AbstrakRasa cemas pasti pernah melanda ketika meninggalkan rumah tanpa penghuni atau berada di rumah sendirian. Faktanya banyak rumah yang ditinggal oleh pemiliknya dibobol oleh pencuri tanpa diketahui oleh pemiliknya. Untuk itu diperlukan suatu informasi keamanan rumah tangga yang cepat dan efektif agar pemilik rumah dapat langsung mengetahui informasi apabila rumahnya akan dibobol. Perkembangan teknologi saat ini memungkinkan untuk mengontrol keamanan rumah secara otomatis. Terutama pengamanan terhadap akses pintu masuk (access control). Pada proyek akhir ini dibahas tentang suatu sistem informasi keamanan rumah yang dilengkapi sebuah kamera dan keypad yang dipasang di pintu rumah, selanjutnya sebagai pemrosesnya digunakan Arduino Mega 2560. Kemudian untuk menginformasikan ke handphone pemilik rumah digunakan GSM Module yang dikomunikasikan secara serial dengan PC. Cara kerjanya yaitu kamera akan mendeteksi adanya keberadaan orang yang berada didepan pintu dengan jarak tertentu, kemudian jika pemilik rumah akan memasuki rumah maka pemilik harus memasukkan password melalui Keypad terlebih dahulu untuk men-off kan sistem alarmnya. Jika password berbeda maka mikrokontroller akan mengirimkan sinyal menuju PC untuk membunyikan sebuah alarm dalam bentuk file suara (*.wav). Hasil data berupa gambar akan diolah pada PC menggunakan aplikasi face detection yaitu aplikasi OpenCV. Setelah semua data telah diolah maka akan dikirimkan menuju sebuah GSM Module yang nantinya akan dikirim menuju seluruh pemilik rumah.

Kata kunci : Face Detection, Sistem keamanan rumah, Mikrokontroler1. Judul Penelitian :Face Detection dan Kode Password untuk Sistem Keamanan Rumah2. Ruang Lingkup :Ruang lingkup dari penelitian berkisar pada materi di bawah ini:

1. Mikrokontroler dan Interface

2. Komunikasi Serial

3. Pemrograman Dekstop3. Tujuan :Tugas akhir ini bertujuan untuk membangun sebuah sistem keamanan yang berbasis teknologi face detection untuk mendeteksi wajah dan kode password sehingga sistem keamanan ini bisa menjaga rumah ketika rumah sedang kosong ataupun pemilik rumah sedang istirahat.

4. Latar Belakang :Pada umumnya aktifitas orang yang tinggal di perkotaan besar begitu banyak dan padat sehingga menjadikannya jarang berada di rumah. Seperti diketahui bahwa di perkotaan besar rawan sekali terjadi tindakan kejahatan termasuk perampokan ataupun pencurian. Tindak kejahatan yang terjadi pada lingkungan rumah akhir-akhir ini semakin sering terjadi, angka kriminalitas pun semakin meningkat. Para Pencuri biasanya menarget rumah-rumah kosong atau yang ditinggal oleh penghuninya dan biasanya modusnya dengan mencongkel atau merusak pintu[1]. Jadi untuk menghindari hal tersebut biasanya pemilik rumah memberikan pengamanan terhadap rumahnya yaitu dengan hanya memberi pengaman kunci konvensional yaitu yang biasanya berupa kunci gembok, kunci rantai dan sebagainya. Namun ada juga sebagian rumah-rumah besar yang memakai jasa keamanan yaitu satpam atau hansip sehingga harus membayar lebih untuk menggaji mereka. Sehingga menimbulkan kekhawatiran oleh pemilik rumah jika rumah ini ditinggal oleh pemiliknya.Dengan adanya masalah tersebut maka penelitian ini memberi solusi dengan dibuat sebuah sistem informasi keamanan rumah tangga menggunakan face detection dengan kamera untuk mendeteksi adanya wajah seseorang serta tambahan password yang dimiliki pemilik rumah yang nantinya informasinya akan dikirimkan melalui GSM Module.5. Perumusan Masalah dan Batasan Masalah :Berdasarkan latar belakang yang telah dijelaskan sebelumnya, maka didapat rumusan masalah sebagai berikut :

1. Sering adanya pembobolan yang disebabkan kurangnya tingkat keamanan di rumah.2. Bagaimana membuat suatu sistem keamanan rumah yang bisa memberi informasi secara cepat ke pihak yang bersangkutan?3. Bagaimana mengganti kunci konvensional dengan kunci digital yang lebih aman?4. Meningkatkan keamanan rumah dengan kamera yang dapat membantu melacak pembobol.

Batasan-batasan masalah yang digunakan dalam tugas akhir ini antara lain sebagai berikut :

1. Alat ini diaplikasikan untuk satu buah pintu rumah, dan tidak mencakup jendela.

2. Jumlah penghuni yang memiliki password adalah 4.3. Setiap penghuni memiliki password yang berbeda dengan kombinasi angka dan huruf.4. Sistem penghuni yang hendak memasuki rumah adalah satu persatu atau tidak secara bersamaan. 5. Wajah yang akan dideteksi adalah wajah yang menghadap ke depan, dalam posisi tegak, dan tidak terhalangi sebagian oleh objek lain.

6. Sistem hanya ditujukan untuk mengamankan rumah kosong dengan menggunakan face detection, kode password dan alarm berupa (.wav) tanpa menggunakan sensor deteksi lainnya.

6. Tinjauan Pustaka

a. Penelitian SebelumnyaBeberapa penelitian terkait dengan sistem keamanan rumah sudah pernah dilakukan sebelumnya, diantaranya adalah :1. Penelitian Agung Setiawan[2] membahas tentang bagaimana membuat sistem keamanan rumah menggunakan webcam dan fingerprint. Penggunaan kamera dan fingerprint bertujuan untuk mengetahui adanya pencuri yang dapat dipantau kapan dan dimana saja melalui sms dan hasil capture yang dapat diakses melalui internet.2. Penelitian Muhammad Hilman Kasyidi, dkk[3] membahas tentang sebuah sistem informasi keamanan rumah tangga dengan menggunakan multisensor untuk mendeteksi adanya orang atau tidak dengan menggunakan sensor PIR dan sensor InfraRed yang nantinya informasinya akan dikirimkan melalui sms gateway.

3. Penelitian Prayogi, dkk[4] membahas bagaimana sistem deteksi wajah memproses gambar dari obyek bergerak. Pemrosesan gambar ini bertujuan untuk mencari wajah dari gambar obyek bergerak yang telah ditangkap, kemudian gambar tersebut diolah dengan memisahkan gambar dengan latar belakangnya, sehingga hanya bagian yang dianggap kulit yang ditampilkan sedangkan bagian yang bukan kulit akan dihitamkan. Untuk metode pencocokkan dengan template wajah yang disimpan dalam lima kelas dengan menggunakan metode Euclidean Distance.b. Teori Penunjang1. Deteksi Wajah

Deteksi wajah dapat dipandang sebagai masalah klasifikasi pola dimana inputnya adalah citra masukan dan akan ditentukan output yang berupa label kelas dari citra tersebut. Dalam hal ini terdapat dua label kelas, yaitu wajah dan non-wajah. Teknik-teknik pengenalan wajah yang dilakukan selama ini banyak yang menggunakan asumsi bahwa data wajah yang tersedia memiliki ukuran yang sama dan latar belakang yang seragam. Di dunia nyata, asumsi ini tidak selalu berlaku karena wajah dapat muncul dengan berbagai ukuran dan posisi di dalam citra dan dengan latar belakang yang bervariasi. Pendeteksian wajah (face detection) adalah salah satu tahap awal yang sangat penting sebelum dilakukan proses pengenalan wajah (face recognition). Bidang-bidang penelitian yang berkaitan dengan pemrosesan wajah (face processing) adalah : Pengenalan wajah (face recognition) yaitu membandingkan citra wajah masukan dengan suatu database wajah dan menemukan wajah yang paling cocok dengan citra masukan tersebut.

Autentikasi wajah (face authentication) yaitu menguji keaslian/kesamaan suatu wajah dengan data wajah yang telah diinputkan sebelumnya.

Lokalisasi wajah (face localization) yaitu pendeteksian wajah namun dengan asumsi hanya ada satu wajah di dalam citra

Penjejakan wajah (face tracking) yaitu memperkirakan lokasi suatu wajah di dalam video secara real time.

Pengenalan ekspresi wajah (facial expression recognition) untuk mengenali kondisi emosi manusia.

Gambar 1. Contoh Hasil Deteksi Wajah

(diambil dari http://www.slideshare.net/gunawanHR/sistem-pendeteksi-wajah)

Tantangan yang dihadapi pada masalah deteksi wajah disebabkan oleh adanya faktor-faktor berikut:

Posisi wajahPosisi wajah di dalam citra dapat bervariasi karena posisinyabisa tegak, miring, menoleh, atau dilihat dari samping.

Komponen-komponen pada wajah yang bisa ada atau tidak ada, misalnya kumis, jenggot, dan kacamata.

Ekspresi wajahPenampilan wajah sangat dipengaruhi oleh ekspresi wajah seseorang, misalnya tersenyum, tertawa, sedih, berbicara, dan sebagainya Terhalang objek lainCitra wajah dapat terhalangi sebagian oleh objek atau wajah lain, misalnya pada citra berisi sekelompok orang.

Kondisi pengambilan citra

Citra yang diperoleh sangat dipengaruhi oleh faktor-faktor seperti intensitas cahaya ruangan, arah sumber cahaya, dan karakteristik sensor dan lensa kamera.

Penelitian dari Nugroho dkk[5] mengelompokkan metode deteksi wajah menjadi empat kategori, yaitu:

1. Knowledge-based method. Metode ini kebanyakan digunakan untuk lokalisasi wajah.

2. Feature invariant approach. Metode ini kebanyakan digunakan untuk lokalisasi wajah.

3. Template matching method. Metode ini digunakan untuk lokalisasi wajah maupun deteksi wajah.

4. Appearance-based method. Metode ini kebanyakan digunakan untuk deteksi wajah.1.1. Knowledge-Based Method Metode ini menggunakan dasar aturan-aturan yang biasanya digunakan oleh manusia untuk menentukan apa saja yang membentuk suatu wajah. Pada pendekatan ini, metode deteksi wajah dikembangkan berdasar pada aturan (rule) yang didapat dari pengetahuan para peneliti tentang wajah manusia. Sebagai contoh, suatu wajah di dalam citra biasanya memiliki dua buah mata yang simetris, sebuah hidung, dan sebuah mulut. Relasi antara fitur-fitur tersebut dapat direpresentasikan sebagai jarak atau posisi. Pada tahap pertama fitur-fitur wajah diekstraksi lebih dulu, kemudian kandidat wajah ditentukan berdasarkan aturan yang dipakai. Masalah utama pada pendekatan ini adalah kesulitan dalam menerjemahkan pengetahuan manusia ke dalam aturan yang akan dipakai. Jika aturannya terlalu detail (strict), maka akan sering gagal mendeteksi wajah yang tidak memenuhi aturan tersebut. Jika aturannya terlalu umum (general), akan menghasilkan terlalu banyak false positive. Masalahnya akan bertambah sulit jika harus mendeteksi wajah dengan pose yang bervariasi karena aturan yang dipakai harus dapat menghadapi semua kemungkinan yang ada. Metode ini biasanya hanya dapat bekerja dengan baik pada wajah frontal dan tegak dengan latar belakang sederhana.1.2. Feature Invariant Approach Algoritma pada metode ini bertujuan untuk menemukan fitur-fitur struktural dari wajah yang tetap eksis meskipun terdapat variasi pose, sudut pandang, dan kondisi cahaya. Pada pendekatan ini, para peneliti mencoba menemukan fitur-fitur yang tidak berubah (invariant) pada wajah. Asumsi ini didasarkan pada observasi bahwa manusia dapat dengan mudah mendeteksi wajah dengan berbagai pose dan kondisi cahaya, sehingga disimpulkan bahwa pasti ada sifat-sifat atau fitur-fitur yang bersifat invariant. Fitur wajah seperti alis, mata,hidung, mulut, biasanya diekstraksi dengan edge detector. Selanjutnya dibentuk suatu model statistik yang mendeskripsikan hubungan antara fitur-fitur tersebut untuk menentukan ada tidaknya wajah. Warna kulit manusia juga dapat digunakan untuk membantu memperkirakan area wajah. Namun biasanya deteksi warna kulit ini dikombinasikan dengan metode lainnya seperti shape analysis dan motion information.

1.3. Template Matching Pada metode ini akan disimpan beberapa pola wajah standar untuk mendeskripsikan wajah secara keseluruhan maupun bagian-bagiannya. Pada saat pendeteksian akan dihitung korelasi antara citra input dengan citra pola wajah yang tersimpan sebelumnya. Pada pendekatan ini, para peneliti mencoba menemukan fitur-fitur yang tidak berubah (invariant) pada wajah. Asumsi ini didasarkan pada observasi bahwa manusia dapat dengan mudah mendeteksi wajah dengan berbagai pose dan kondisi cahaya, sehingga tentunya ada sifat-sifat atau fitur-fitur yang bersifat invariant. Fitur wajah seperti alis, mata, hidung, mulut, biasanya diekstraksi dengan edge detector. Selanjutnya dibentuk suatu model statistik yang mendeskripsikan hubungan antara fitur-fitur tersebut untuk menentukan ada tidaknya wajah.1.4. Appearance-Based Method Pada metode ini, model wajah dipelajari melalui proses training dengan menggunakan satu set data pelatihan yang berisi contoh-contoh wajah. Kemudian hasil training ini digunakan untuk mendeteksi wajah. Secara umum metode ini menggunakan teknik-teknik dari analisa statistik dan machine learning untuk menemukan karakteristik-karakteristik yang relevan dari wajah maupun non-wajah. 2. OpenCV LibraryOpenCV adalah suatu library gratis yang dikembangkan oleh developer-developer Intel Corporation. Library ini terdiri dari fungsi- fungsi computer vision dan image processing tingkat tinggi. OpenCV sangat disarankan untuk programmer yang akan berkutat pada bidang computer vision, karena library ini mampu menciptakan aplikasi yang handal, kuat dibidang digital vision. Karena library ini bersifat cuma- cuma dan sifatnya yang open source, maka dari itu OpenCV tidak dipesan khusus untuk pengguna arsitektur Intel, tetapi dapat dibangun pada hampir semua arsitektur.

Saat ini para developer dari Intel Corporation telah membuat berbagai macam versi, yaitu: openCV untuk bahasa pemrograman C/C++,

openCV untuk bahasa pemograman C# (masih dalam tahap pengembangan) openCV untuk bahasa pemrograman Java.

Untuk bahasa pemograman C# dan Java, karena masih dalam tahap pengembangan, maka kita membutuhkan library lain sebagai pelengkap kekurangan yang ada. Namun untuk bahasa pemograman C/C++ tidak memerlukan library lainnya untuk pemrosesan pada computer vision.Struktur OpenCV OpenCV menggunakan struktur IplImage untuk menciptakan dan menangani hgambar. Maka dari itu, semua hal yang berhubungan dengan gambar/image harus ditampung pada variable tersebut. Kelebihan dari variable IplImage adalah dapat menampung semua format gambar, baik itu bitmap, png ataupun jpeg, sehingga tidak membutuhkan konversi dari suatu format ke format yang lainnya. Sebagai contoh: .width. adalah lebar dari image/gambar, .height. adalah tinggi dari image/gambar, .nChannels. jumlah channel (1 jika gray level image dan 3 jika color level image).

Setiap fungsi yang ada pada library OpenCV menggunakan cv pada awal permulaan nama fungsinya, misalnya, cvSeq, cvCreateImage, cvNamedWindow , dan lain sebagainya. Library OpenCV dibagi ke dalam 3 bagian, yaitu: CVDidalamnya terdapat fungsi-fungsi yang berkaitan dengan computer vision, misalnya histogram, template matching, optical flow, dan sebagainya. CXCORE,

Pada bagian ini terdapat fungsi-fungsi yang menangani hal-hal yang berkaitan dengan penulisan dan pembacaan data dari suatu file, penanganan tentang penggunaan memori dan lain sebagainya. HighGUI,

Yang terakhir, highGUI, merupakan kumpulan fungsi - fungsi yang berkaitan dengan windowing, loading file video, dan lain sebagainya yang berkaitan dengan Graphical User Interface (GUI)3. Arduino Mega 2560Arduino Mega2560 adalah papan mikrokontroler berbasiskan ATmega2560. Arduino Mega2560 memiliki 54 pin digital input/output, dimana 15 pin dapat digunakan sebagai output PWM, 16 pin sebagai input analog, dan 4 pin sebagai UART (port serial hardware), 16 MHz kristal osilator, koneksi USB, jack power, header ICSP, dan tombol reset. Ini semua yang diperlukan untuk mendukung mikrokontroler. Cukup dengan menghubungkannya ke komputer melalui kabel USB atau power dihubungkan dengan adaptor AC-DC atau baterai untuk mulai mengaktifkannya. Arduino Mega2560 kompatibel dengan sebagian besar shield yang dirancang untuk Arduino Duemilanove atau Arduino Diecimila. Arduino Mega2560 adalah versi terbaru yang menggantikan versi Arduino Mega.

Gambar 2. Modul Arduino Mega

(diambil dari http://arduino.cc/en/Main/arduinoBoardMega2560)

Arduino Mega2560 berbeda dari papan sebelumnya, karena versi terbaru sudah tidak menggunakan chip driver FTDI USB-to-serial. Tapi, menggunakan chip ATmega16U2 (ATmega8U2 pada papan Revisi 1 dan Revisi 2) yang diprogram sebagai konverter USB-to-serial. Arduino Mega2560 Revisi 2 memiliki resistor penarik jalur HWB 8U2 ke Ground, sehingga lebih mudah untuk dimasukkan ke dalam mode DFU.

Arduino Mega2560 Revisi 3 memiliki fitur-fitur baru berikut:

1.0 pinout : Ditambahkan pin SDA dan pin SCL yang dekat dengan pin AREF dan dua pin baru lainnya ditempatkan dekat dengan pin RESET, IOREF memungkinkan shield untuk beradaptasi dengan tegangan yang tersedia pada papan. Di masa depan, shield akan kompatibel baik dengan papan yang menggunakan AVR yang beroperasi dengan 5 Volt dan dengan Arduino Due yang beroperasi dengan tegangan 3.3 Volt. Dan ada dua pin yang tidak terhubung, yang disediakan untuk tujuan masa depan. Sirkuit RESET.

Chip ATmega16U2 menggantikan chip ATmega8U2.

7. Metodologi :Pada tugas akhir ini, terdapat beberapa tahapan yang harus dilakukan diantaranya perancangan sistem yang meliputi pemrograman C++ untuk deteksi wajah, dan mengindentifikasi kode password yang diinputkan dengan data password pada mikrokontroller yang nantinya akan menunjukan bahwa user yang memasuki rumah adalah pemilik atau pencuri.Rincian tahapan yang akan ditempuh adalah sebagai berikut :7.1. Rancangan Sistem

Gambar 3. Ilustrasi Rancangan Sistem

Gambar 4. Blok Diagram Rancangan Sistema. Deteksi wajah yang mana nantinya akan menentukan apakah wajah pada gambar yang dikirim ke seluruh penghuni rumah adalah wajah pemilik rumah atau pencuri. Gambar yang diperoleh dari hasil deteksi wajah akan dilanjutkan menuju pengiriman informasi.b. Input password merupakan kondisi ketika user memasukkan password melalui keypad dengan ketentuan password memiliki kombinasi huruf dan angka.c. Identifikasi password adalah kondisi ketika password yang diinputkan user melalui keypad dicocokkan dengan data password yang ada pada mikrokontroller. Identifikasi ini menggunakan logika 0 dan 1. Jika password sama maka akan dilanjutkan menuju pengiriman informasi. Sedangkan jika password berbeda maka secara otomatis akan menyalakan alarm dalam bentuk file suara (*.wav).d. Pengiriman informasi adalah kondisi ketika PC telah mendapat gambar dari hasil deteksi wajah dan kode password dari mikrokontroller. Pengiriman akan ditujukan ke sebuah GSM Module.7.2. Pembuatan SistemSistematika pembuatan hardware dan software disesuaikan dengan design yang telah ditentukan pada tahap perancangan sistem. Pembuatan Hardware

Gambar 5. Komunikasi Keypad, LCD dan ArduinoKeypad dan LCD dihubungkan pada port digital arduino. Berikut adalah hubungan antara keypad dan arduino: Pin A pada keypad terhubung pada pin 22.

Pin B pada keypad terhubung pada pin 23.

Pin C pada keypad terhubung pada pin 24.

Pin D pada keypad terhubung pada pin 25. Pin 1 pada keypad terhubung pada pin 26.

Pin 2 pada keypad terhubung pada pin 27.

Pin 3 pada keypad terhubung pada pin 28.

Pin 4 pada keypad terhubung pada pin 29.Sedangkan untuk LCD, berikut adalah hubungan antara LCD dan arduino:

Pin RS pada keypad terhubung pada pin 37.

Pin RW pada keypad terhubung pada pin 36.

Pin E pada keypad terhubung pada pin 35.

Pin D4 pada keypad terhubung pada pin 33.



Pin D7 pada keypad terhubung pada pin 30. Pembuatan Software Microsoft Visual C++ dengan Library OpenCV Arduino 7.3. Pengujian SistemPada tahap ini dilakukan pengujian sistem untuk mengetahui hasil dari kinerja sistem yang telah dibuat sebelumnya, serta melakukan perbaikan jika masih terdapat kesalahan. Adapun pengujian alat ini dilakukan pada tiap komponen-komponen yang ada pada sistem, antara lain :a. Pengujian deteksi wajah.

Gambar 6. Pengujian Deteksi Wajahb. Pengujian komunikasi antara Webcam dengan PC.

Gambar 7. Komunikasi antara Webcam dengan PC

c. Pengujian komunikasi antara Keypad dengan Mikrokontroller.

Gambar 8. Komunikasi antara Keypad dengan Mikrokontroller

d. Pengujian komunikasi serial antara Mikrokontroller dengan PC.

Gambar 9. Komunikasi serial antara Mikrokontroller dengan PC

e. Serta pengujian alat secara keseluruhan.

Gambar 10. Pengujian secara keseluruhan7.4. Analisa dan Kesimpulan Hasil PenelitianPada tahap akhir ini dilakukan analisa dan evaluasi terhadap kinerja sistem agar sesuai dengan keadaan yang sebenarnya kemudian mengambil suatu kesimpulan dari hasil pengujian.8. Hasil yang Diharapkan

Dari penelitian ini diharapkan mampu memberikan informasi tentang pembobol serta memberikan kenyamanan pada pemilik rumah terhadap tingkat keamanan di rumah.9. Relevansi

Hasil dari penelitian ini dapat berkontribusi untuk meningkatkan sistem keamanan dengan memberikan informasi tentang pembobol, serta penelitian ini juga dapat diimplementasikan di berbagai tempat selain di rumah, antara lain kantor dan minimarket.10. Jadwal KegiatanTabel 1. Jadwal Kegiatan

NOKegiatan/Bulan

Penanggung jawab123456

1Studi literatur

2Perancangan Sistem

3Pembuatan Sistem

4Pengujian Sistem

5Analisa Kinerja Sistem

6Membuat laporan

11. Rencana PembiayaanTabel 2. Rencana PembiayaanNo.UraianHarga SatuanJumlahTotal (Rp)

1Pembuatan ProposalRp. 15.000,-4 buahRp. 60.000,-

2Kertas A4 80 gramRp. 30.000,-2 buahRp. 60.000,-

3TintaRp. 25.000,-2 buahRp. 50.000,-

4Pembuatan BukuRp. 50.000,-7 buahRp. 350.000,-

5Penggandaan/fotokopiRp. 200.000,--Rp. 200.000,-

6Arduino Mega 2560Rp. 731.000,-1 buahRp. 731.000,-

7Keypad 4x4Rp. 37.500,-1 buahRp. 37.500,-

8Webcam Logitech C525Rp. 610.000,-1 buahRp. 610.000,-

9LCD 16x2Rp. 50.000,-1 buahRp. 50.000,-

TOTALRp. 2.148.500,-

12. Daftar Pustaka [1] http://www.google.com [3 September 2014]

[2] Setiawan, Agung. PEMBUATAN PERANGKAT LUNAK SISTEM KEAMANAN RUMAH VIA SMS BERBASIS MIKROKONTROLER AVR ATMEGA8535 DENGAN BAHASA PEMROGRAMAN C DAN PDU. Jurusan Fisika Universitas Diponegoro; 2008.[3] Muhammad Hilman Kasyidi, dkk. RANCANG BANGUN SISTEM INFORMASI KEAMANAN RUMAH TANGGA BERBASIS MIKROKONTROLLER DAN SMS GATEWAY. Jurusan Teknik Elektronika PENS-ITS, Surabaya.[4] Prayogi, S., Puspita, E ., Susetyoko, R., Sistem Deteksi Wajah Pada Sistem Pengaman Lingkungan Berdasarkan Deteksi Obyek Bergerak Menggunakan Kamera, Jurusan Teknik Elektronika PENS-ITS, Surabaya. 2007

[5] Rijal, Y., Ariefianto, D., Deteksi Wajah Berbasis Segmentasi Model Warna Menggunakan Template Matching pada Objek Bergerak, Seminar Nasional Aplikasi Teknologi Informasi, Yogyakarta. 2008

tugas akhir

Documents