25.04.4479
000 - General Works
Karya Ilmiah - Skripsi (S1) - Reference
Machine Learning
45 kali
Keamanan asrama di Telkom University saat ini masih mengandalkan sistem<br /> konvensional seperti kunci manual dan logbook, yang dinilai kurang memadai, rentan, dan<br /> kurang aman. Keterbatasan ini memungkinkan akses yang tidak sah dan meningkatkan risiko<br /> kehilangan barang berharga mahasiswa. Untuk mengatasi permasalahan tersebut, dirancanglah<br /> sebuah "Smart Dorm Key" berbasis Internet of Things (IoT) dengan sistem verifikasi dua<br /> langkah menggunakan sidik jari (fingerprint) dan pengenalan suara (voice recognition) guna<br /> meningkatkan keamanan.<br /> Sistem ini dikembangkan dengan mikrokontroler ESP32 sebagai pusat kendali. Proses<br /> dimulai dengan pengguna mendaftarkan fingerprint dan frasa sandi suara melalui aplikasi<br /> seluler. Untuk mengakses kamar, pengguna pertama-tama melakukan pemindaian suara pada<br /> aplikasi yang tersedia. Jika suara terverifikasi, yang dikonfirmasi melalui layar LCD dan<br /> buzzer, pengguna kemudian melakukan pemindaian fingerprint melalui sensor fingerprint.<br /> Aplikasi ini menggunakan machine learning dengan metode Mel-Frequency Cepstral<br /> Coefficients (MFCC) untuk pemrosesan ekstraksi suara dan menggunakan model<br /> Convolutional Neural Networks (CNN) untuk pengenalan suara. Jika kedua verifikasi berhasil,<br /> ESP32 akan mengaktifkan solenoid door lock untuk membuka pintu. Sistem juga mencakup<br /> fitur log aktivitas secara real-time yang tersimpan di database Firebase, tombol keluar tanpa<br /> sentuh (No Touch Exit Sensor), dan tombol fisik untuk manajemen data fingerprint.
Tersedia 1 dari total 1 Koleksi
Nama | MUHAMAD HAZBI ASHIDDIQI |
Jenis | Perorangan |
Penyunting | Rita Purnamasari, Efri Suhartono |
Penerjemah |
Nama | Universitas Telkom, S1 Teknik Telekomunikasi |
Kota | Bandung |
Tahun | 2025 |
Harga sewa | IDR 0,00 |
Denda harian | IDR 0,00 |
Jenis | Non-Sirkulasi |