IMPLEMENTASI ALGORITMA PENGENALAN WAJAH BERBASIS LIGHTWEIGHT CNN PADA SISTEM KEAMANAN PINTU OTOMATIS

Sistem keamanan pintu konvensional dinilai kurang praktis dan rentan terhadap
penyalahgunaan, sehingga diperlukan solusi yang lebih andal berbasis teknologi biometrik.
Namun, implementasi Face Recognition pada perangkat embedded seperti Raspberry Pi
menghadapi tantangan keterbatasan sumber daya komputasi akibat model deep learning
konvensional yang besar, serta adanya pengaruh variasi jarak dan kondisi pencahayaan
terhadap performa sistem. Penelitian ini bertujuan mengimplementasikan algoritma
pengenalan wajah berbasis Lightweight CNN pada sistem keamanan pintu otomatis
menggunakan Raspberry Pi 4 Model B dengan metode YuNet untuk deteksi wajah,
MobileFaceNet untuk pengenalan wajah, sensor PIR sebagai pemicu berbasis event-driven
system guna mengoptimalkan penggunaan sumber daya komputasi, serta SQLite sebagai
penyimpanan data lokal. Pengujian dilakukan berdasarkan parameter variasi jarak, kondisi
pencahayaan, tingkat akurasi pengenalan wajah, dan waktu respon akses. Hasil pengujian
menunjukkan bahwa YuNet mencapai tingkat keberhasilan deteksi wajah sebesar 100%
pada seluruh variasi jarak dan kondisi pencahayaan yang diujikan. Sistem bekerja optimal
pada jarak 30–100 cm dengan keberhasilan autentikasi 100% dan mampu beroperasi pada
intensitas cahaya minimal 17 lux. Sensor PIR berhasil mengaktifkan kamera dengan rata
rata waktu respon 0,81 detik dan tingkat keberhasilan 100%, sementara MobileFaceNet
menghasilkan akurasi pengenalan wajah sebesar 95,83% dengan rata-rata waktu respon
akses 1,08 detik. Sistem yang dikembangkan terbukti bekerja secara efisien dan andal
sebagai solusi keamanan pintu otomatis berbasis pengenalan wajah pada perangkat
embedded dengan sumber daya komputasi terbatas.