Rancang bangun sistem monitoring perokok di lingkungan pesantren dengan metode Insightface berbasis Face Recognition

Rizky, Muhammad Muhfi Alfia (2026) Rancang bangun sistem monitoring perokok di lingkungan pesantren dengan metode Insightface berbasis Face Recognition. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_Cover.pdf Download (63kB) | Preview
Preview	Text (PLAGIARISM) 2_Plagiarism.pdf Download (329kB) | Preview
Preview	Text (ABSTRAK) 3_abstrak.pdf Download (570kB) | Preview
Preview	Text (DAFTAR ISI) 4_daftarisi.pdf Download (57kB) | Preview
Preview	Text (BAB I) 5_BAB I.pdf Download (935kB) | Preview
	Text (BAB II) 6_BAB II.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB III) 7_BAB III.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB IV) 8_BAB IV.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB V) 9_BAB V.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB VI) 10_BAB VI.pdf Restricted to Registered users only Download (540kB) | Request a copy
	Text (DAFTAR PUSTAKA) 11_DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (494kB) | Request a copy

Abstract

Pengawasan pelanggaran merokok di lingkungan pesantren memerlukan sistem otomatis yang mampu mendeteksi kejadian secara cepat, mengurangi notifikasi palsu, serta menyediakan bukti dan pencatatan yang terdokumentasi bagi pengawas. Penelitian ini merancang sistem monitoring perokok berbasis sensor MQ-2–ESP32 yang terintegrasi dengan face recognition serta deteksi objek rokok. Status asap (S) ditentukan dari Δ = MA − baseline pada kalibrasi diperoleh 29 sampel/15 detik dengan baseline 307 dan threshold Δ=18, di mana tanpa asap Δ berada sekitar −3,3 s.d. −4,7, sedangkan pada kondisi berasap sistem mulai ON pada kisaran Δ≈+25 dan dapat meningkat hingga sekitar +200. Saat S terdeteksi, sistem menjalankan pengenalan wajah (F) dan deteksi rokok (C) dengan strategi ROI (mulut/tangan) serta full-frame fallback. Keputusan akhir berbasis S/F/C menghasilkan empat keluaran: pelanggaran teridentifikasi (S∧F∧C), indikasi perokok (S∧F∧¬C), dan pelanggaran tanpa wajah (S∧¬F∧C) yang menyimpan bukti+log dan mengirim notifikasi whatsApp (sesuai identitas), serta asap selain rokok (S∧¬F∧¬C) yang hanya dicatat pada log tanpa notifikasi untuk menekan false trigger. Uji face recognition sebanyak 61 kali menghasilkan 54 benar dengan tingkat keberhasilan 88%.

Actions (login required)

View Item