RIZQULLOH, Shidqi Naufal (2022) Rancang Bangun Alat Deteki Manusia Menggunakan ESP32-Cam dan Node-Red Untuk Sistem Manajemen Lampu Ruang Kelas Berbasis Internet of Things (IoT). Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER-Shidqi Naufal Rizqulloh-H1A018019-Skripsi-2022.pdf Download (77kB)
	PDF (Legalitas) LEGALITAS-Shidqi Naufal Rizqulloh-H1A018019-Skripsi-2022.pdf Restricted to Repository staff only Download (974kB)
	PDF (Abstrak) ABSTRAK-Shidqi Naufal Rizqulloh-H1A018019-Skripsi-2022.pdf Download (91kB)
	PDF (BabI) BAB-1-Shidqi Naufal Rizqulloh-H1A018019-Skripsi-2022.pdf Restricted to Repository staff only until 19 August 2023. Download (91kB)
	PDF (BabII) BAB-2-Shidqi Naufal Rizqulloh-H1A018019-Skripsi-2022.pdf Restricted to Repository staff only until 19 August 2023. Download (592kB)
	PDF (BabIII) BAB-3-Shidqi Naufal Rizqulloh-H1A018019-Skripsi-2022.pdf Restricted to Repository staff only until 19 August 2023. Download (311kB)
	PDF (BabIV) BAB-4-Shidqi Naufal Rizqulloh-H1A018019-Skripsi-2022.pdf Restricted to Repository staff only Download (4MB)
	PDF (BabV) BAB-5-Shidqi Naufal Rizqulloh-H1A018019-Skripsi-2022.pdf Download (75kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA-Shidqi Naufal Rizqulloh-H1A018019-Skripsi-2022.pdf Download (93kB)
	PDF (Lampiran) LAMPIRAN-Shidqi Naufal Rizqulloh-H1A018019-Skripsi-2022.pdf Restricted to Repository staff only Download (1MB)

Abstract

Pada suatu ruang kelas biasanya memiliki beberapa lampu yang masih dikendalikan secara manual dengan saklar sehingga memiliki kekurangan yaitu ketika seseorang lupa untuk mematikan saklar lampu maka lampu akan terus menyala walaupun penerangannya sudah tidak dibutuhkan lagi. Oleh karena itu diperlukan suatu sistem yang dapat mengontrol lampu secara otomatis sepenuhnya sesuai dengan keberadaan manusia di sekitar dengan menggunakan Internet of Things (IoT). Salah satu cara untuk mendeteksi keberadaan manusia yaitu menggunakan teknik deteksi objek citra digital dikarenakan teknik ini mempunyai keunggulan lebih akurat dapat meminimalisir terjadinya galat. Dalam proses untuk mendapatkan citra yang dapat langsung dikirimkan ke perangkat lain memerlukan kamera yang bisa terkoneksi dengan jaringan yaitu ESP32-Cam yang mudah didapatkan dan memiliki harga paling murah dibanding dengan perangkat sejenis lainnya yang ada di pasaran. Berdasarkan mekanisme sistem yang telah dirancang, ESP32-Cam digunakan sebagai alat untuk menangkap citra yang kemudian citra akan diambil oleh Node-Red untuk dilakukan komputasi deteksi objek. Untuk menentukan posisi dan mendeteksi manusia pada titik area ruang kelas menggunakan teknik segmentasi ROI yang kemudian diproses untuk pendeteksian objek. Proses deteksi objek ini menggunakan metode Single Shot Multibox Detector (SSD) dengan TensorFlow API sebagai framework deep learning dan model dataset yang digunakan yaitu Common Objects in Context (COCO). Pengiriman data hasil deteksi ini menggunakan protokol komunikasi MQTT. Dari hasil pengujian yang telah dilakukan didapat bahwa kecepatan tangkapan citra oleh ESP32-Cam ditentukan dari seberapa bagus kualitas citra yang diatur. Semakin tinggi kualitasnya maka semakin lambat ESP32-Cam dalam menangkap citra, dan sebaliknya jika semakin rendah kualitas citra maka waktu tangkapan semakin cepat. Kualitas citra juga berpengaruh terhadap performa dalam mendeteksi objek, semakin bagus kualitas citra maka akan semakin akurat hasil pendeteksiannya, tetapi semakin rendah kualitas citra maka akurasi pendeteksian akan berkurang. Kemudian proses komputasi deteksi objek Node-Red pada Raspberry Pi 3 lebih lambat dibanding dengan komputer server Unsoed. Sementara hasil dari pengujian interval waktu pengiriman data hasil deteksi server Unsoed ke MQTT broker tidak terpaut jauh yaitu hanya 1 detik, sedangkan data hasil deteksi pada raspberry pi 3 terpaut jauh yaitu sekitar 15-20 detik.

Actions (login required)

View Item