| NIM | H1A018019 |
|---|
| Namamhs | SHIDQI NAUFAL RIZQULLOH |
|---|
| Judul Artikel | RANCANG BANGUN ALAT DETEKSI MANUSIA MENGGUNAKAN ESP32-CAM DAN NODE-RED UNTUK SISTEM MANAJEMEN LAMPU RUANG KELAS BERBASIS INTERNET OF THINGS (IOT) |
|---|
| Abstrak (Bhs. Indonesia) | Pada ruang kelas biasanya terdapat lampu yang masih dikendalikan secara manual yang kekurangannya yaitu ketika seseorang lupa mematikan lampu, maka lampu akan terus menyala. Karena itu diperlukan suatu sistem yang dapat mengontrol lampu secara otomatis sesuai dengan keberadaan manusia di sekitar menggunakan IoT. Salah satu cara untuk mendeteksi manusia yaitu dengan teknik deteksi objek karena mempunyai keunggulan lebih akurat sehingga dapat meminimalisir galat. 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, kemudian diproses untuk pendeteksian objek. Proses deteksi objek ini menggunakan metode SSD dengan TensorFlow sebagai framework deep learning dan COCO sebagai dataset-nya. Pengiriman data hasil deteksi menggunakan MQTT yang akan dikirimkan ke MQTT broker. Dari hasil pengujian, didapat bahwa kecepatan tangkapan citra oleh ESP32-Cam ditentukan dari kualitas citra yang diatur. Semakin tinggi kualitasnya maka semakin lambat menangkap citra. Semakin rendah kualitas citra, waktu tangkapan semakin cepat. Kualitas citra juga berpengaruh pada performa pendeteksian, semakin bagus kualitasnya akan semakin akurat hasil pendeteksiannya, tetapi semakin rendah kualitas citra, 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. |
|---|
| Abtrak (Bhs. Inggris) | In classrooms there are usually lights that are still controlled manually, the drawback is that when someone forgets to turn off the lights, the lights will continue to turn on. Therefore we need a system that can control the lights automatically according to the presence of humans around using IoT. One way to detect humans is by using object detection techniques because it has the advantage of being more accurate so that it can minimize errors. Based on the system mechanism that has been designed, ESP32-Cam is used as a tool to capture the image which will then be taken by Node-Red for computation of object detection. To determine the position and detect humans at the point of the classroom area using the ROI segmentation technique, then processed for object detection. This object detection process uses the SSD method with TensorFlow as the deep learning framework and COCO as the dataset. Delivery of detection data using MQTT which will be sent to the MQTT broker. From the test results, it is found that the speed of image capture by ESP32-Cam is determined by how good the image quality is set. The higher the quality, the slower the ESP32-Cam in capturing the image, the lower the image quality, the faster the capture time. Image quality also affects the detection performance, the better the image quality, the more accurate the detection results will be, but the lower the image quality, the detection accuracy will decrease. Meanwhile, the results of the time interval test for sending data from the Unsoed server detection to the MQTT broker are not far away, which is only 1 second, while the detection data on the raspberry pi 3 is far away, which is about 15-20 seconds. |
|---|
| Kata kunci | Deteksi Objek, ROI, TensorFlow, Single Shot multibox Detector, ESP32-Cam, Node-red, IoT, MQTT |
|---|
| Pembimbing 1 | Muhammad Syaiful Aliim, S.T., M.T. |
|---|
| Pembimbing 2 | Eko Murdyantoro Atmojo, S.T., M.T. |
|---|
| Pembimbing 3 | |
|---|
| Tahun | 2022 |
|---|
| Jumlah Halaman | 11 |
|---|
| Tgl. Entri | 2022-08-12 15:08:35.281716 |
|---|