Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penelitian dilakukan untuk mengembangkan sistem keamanan rumah dengan webcam yang sudah ada saat ini. Sistem keamanan saat ini menggunakan webcam hanya untuk merekam dan menyimpan kejadian dalam bentuk video file. Hal tersebut dirasa kurang cukup aman dikarenakan saat kejadian berlangsung seperti perampokan tidak ada notifikasi kepada pemilik rumah. Maka pada penelitian ini ditambahkan sebuah fitur pada sistem untuk mendeteksi wajah penghuni rumah dan akan memberikan notifikasi ketika ada wajah yang tidak dikenal. Sistem ini juga akan digabungkan dengan akses pintu otomatis menggunakan solenoid door lock. Metode yang digunakan adalah Deep Learning Matric untuk implementasi pada face recognition yang digunakan untuk akses kunci pintu rumah.Hasil yang didapatkan dari pengujian sistem cukup baik, dimana sistem dapat membedakan penghuni rumah dengan orang asing dengan beberapa kriteria pengujian, diantaranya dengan pengujian jarak webcam dengan orang pada siang sekitar pukul 12.00 sampai 13.00 dan malam hari sekitar pukul 19.00 sampai 20.00 dengan menghadap kearah webcam, pengujian banyaknya wajah yang terdeteksi webcam dalam satu frame, dan notifikasi kepada penghuni rumah. Berdasarkan hasil pengujian dan analisis, banyaknya wajah yang tertangkap bisa lebih dari 3 orang dan untuk persentase akurasi pada pengujian siang hari didapatkan sebesar 91.11% sedangkan pada malam hari sebesar 80%. Dari persentase yang didapatkan, pendeteksian pada siang hari lebih baik dan akurat dibandingkan pada malam hari dikarenakan intensitas cahaya yang mempengaruhi kerja dari algoritma face recognition.

---

The study was conducted to develop a home security system with a webcam that already exists today. The current security system only uses the camera to record and save events in the form of video files. This is not enough safe because when the incident took place such as a robbery there was no notification to the homeowner. Therefore, in this study added some feature for a system to recognize faces of homeowner and will provide notifications when there are faces that are not known. This system will also be combined with automatic door access using solenoid door lock. The method used is the Deep Learning Matric for the implementation of face recognition which will used for door lock access.

The results obtained from the testing of the system are quite good where the system can distinguish between homeowner and strangers with several testing criteria, including testing the distance of the camera with people at noon around 12:00 to 13:00 and the night around 19:00 to 20:00 by facing the camera, testing the number of faces detected by cameras, and notifications to residents. Based on the results of testing and analysis, many faces can be caught more than 3 people and for the percentage of accurated in daytime testing obtained by 91.11% while at night by 80%. From the percentage obtained, the detection during the day is better and more accurate than at night due to the light intensity that affects the work of the face recognition algorithm.

"

"ABSTRAKPada pengaman lift jatuh ini dikendalikan oleh mikrokontroler menggunakan IC ATMega8535 dengancompiler-nya adalah BASCOM-AVR. Untuk mendeteksi lift ini dalam keadaan jatuh atau tidak digunakan sensorakselerometer yang keluarannya tegangan analog lalu dimasukan ke ADC internal yang terdapat pada ATMega8535.Bila akselerometer mendeteksi lift dalam keadaan jatuh di lantai manapun maka rem akan aktif. Pada perancanganmekaniknya terdapat rem untuk menghentikan laju jatuhnya lift ini. Rem ini terletak di bawah lift dan bila aktif akanmenekan bagian besi penyangga lift. Untuk menggerakkan rem digunakan motor DC yang memliki gearbox agarkuat saat menekan besi penyangga.

---

ABSTRACTAt this falling down safety lift, it controlled by microcontroller ATMega8535 and the compiler is BASCOMAVR.To detect lift whether falling down or not, we used sensor namely accelerometer that the output is analogvoltage where the voltage is plug in to the internal ADC in ATMega8535. If accelerometer detected lift is fallingdown in any floor then it will activated the brake. In the mechanic design is available brake to decrease the fallingdown speed. The brake is positioned underneath lift and if it active it will push iron stick to mobilize the brake usedDC motor that have gearbox, to increase the power when it pushed."

"ABSTRAKTugas akhir ini bertujuan untuk merancang dan membuat suatu sisitem keamanan data yang disimpan dalam sebuah filling cabinet. Dengan menggunakan LabVIEW sebagai basisi pemrograman yang dikoneksika dengan Microsoft Accses, maka alat ini mamapu melakukan suatu sisitem pengamanan dengan membandingkan data yang dimasukan oleh pelanggan dengan data yang terdapat didalam data base. Bila didapati data tersebut sesuai dengan data yang tersimpan dalam adata base maka rack penyimpanan dapat terbuka secara otomatis. Dari data pengujian didapati bahwa alat ini berhasil 75%, hal ini disebabkan kemampuan tombol password untuk mencapai kondisi 1, pada saat ditekan tidak maksimal sehingga tegangan yang terbaca mengindikasikan karakter yang salah. Dan hanya mampu untuk mengoprasikan 7 rack dengan baik, karena didapati dua kondisi output yang sama pada rangkaian decoder. Alat ini dapat di kendalikan dengan baik melalui internet secara online."

"Sistem pengamanan pada lapas terdiri dari subsitem-subsistem pengamanan, yaitu petugas, sarana/ prasarana, peraturan dan administrasi pengamanan. Hasil analisis sistem pengamanan pada lapas di wilayah Jabotabek diketahui bahwa rasio petugas pengamanan terhadap petugas non pengamanan dan penghuni masih dibawah standar, sarana/prasarana pengamanan dalam kondisi dan jumlah baik namun terjadi kelebihan daya tampung (overkapasitas) mencapai 200%, PPLP merupakan pedoman pengamanan lapas tahun 1974 sudah seharusnya diperbaharui dan administrasi keamanan berhubungan dengan penempatan personil regu dan sarana pengamanan. Identifikasi faktor yang mempengaruhi sistem pengamanan pada lapas di wilayah Jabotabek dirumuskan dalam analisis SWOT (Strength, Weaknesses, Opportunity dan Threat). Hasil analisis dengan diagram SWOT menunjukkan pelaksanaan sistem pengamanan pada lapas di wilayah Jabotabek berada di kuadran I, strateginya mendukung kebijakan pertumbuhan (growth oriented strategy). Hasil pemilihan strategi prioritas menggunakan matrik SWOT didapat prioritas strategi SO, WT, ST dan WO. Kebijakan yang ditempuh untuk meningkatkan kinerja pengamanan pada lapas di wilayah Jabotabek :

1. mewujudkan kebijakan umum bidang kamtib pada lapas;
2. menyelenggarakan diktat teknis bagi petugas pengamanan lapas;
3. memberikan re-ward and punishment kepada petugas pengamanan lapas;
4. memperkuat sistem informasi dan adminstrasi baik dari tingkat UPT maupun Kantor Pusat;
5. meningkalkan kerjasama dengan instansi terkait untuk menurunkan tingkat gangguan kamtib dan over kapasitas.

"

"Simple-O, suatu aplikasi essay grading yang dikembangkan di Departemen Teknik Elektro Universitas Indonesia, menggunakan algoritma MD5+salt untuk melakukan proteksi terhadap data password user yang tersimpan pada databasenya. Namun dengan banyaknya kelemahan yang terdapat pada algoritma MD5, maka diterapkan algoritma SHA-1+salt pada aplikasi ini, yang kemudian dibandingkan dengan algoritma sebelumnya yaitu MD5+salt. Pengujian meliputi pengukuran waktu dan estimasi waktu brute force untuk masing-masing algoritma, serta mengukur processing time dan CPU usage saat melakukan login ke dalam system. Hasil pengujian brute force menunjukkan bahwa penerapan algoritma SHA-1 lebih kuat terhadap serangan brute force dibandingkan dengan MD5. Selisih processing time SHA-1+salt dengan MD5+salt berkisar antara 0.001 detik hingga 0.002 detik untuk tiap variasi panjang password. Sedangkan selisih CPU usage SHA-1+salt dengan MD5+salt sebesar 0.545%, 0.985%, dan 1.69% masing-masing untuk password sepanjang 8, 9, dan 10 karakter. Hasil ini menunjukkan bahwa penerapan algoritma SHA-1+salt tidak akan membebani kinerja aplikasi Simple-O.

---

Simple-O, an essay grading application that was developed at the Department of Electrical Engineering University of Indonesia, using MD5+salt algorithm to perform protection for password of user's which stored on its database. But with so many flaws contained in the MD5 algorithm, then SHA-1+salt algorithm was implemented in this application, which is then compared with the previous algorithm MD5+salt. The tests include measurements of time and estimated time of brute force for each algorithm, and measure the processing time and CPU usage when logging into the system.

The test results show that the application of brute force algorithm SHA-1 is more robust against brute force attacks than MD5. Difference in processing time SHA-1+salt with MD5+salt was ranged from 0.001 seconds to 0.002 seconds for each length variation of the password. While the difference in CPU usage of SHA-1+salt with MD5+salt is 0.545%, 0.985%, and 1.69% respectively for the password with 8, 9, and 10 characters length. These results indicate that the implementation of the algorithm SHA-1+salt does not impose on the performance of Simple-O application."

"ABSTRAK

Saat ini kasus pencurian mobil kian meningkat, sedangkan alarm mobil yang ada saat ini masih memiliki kekurangan. Di sisi lain jumlah pengguna internet dan media sosial juga kian meningkat. Oleh karena itu pada penelitian ini dirancang sistem notifikasi untuk keamanan pada mobil berbasis Raspberry Pi dan media sosial yang dapat memberikan notifikasi 3 kali berturut-turut ke pemilik mobil, yaitu notifikasi teks melalui Instapush, notifikasi foto melalui Twitter, dan notifikasi video melalui YouTube yang terintegrasi dengan Twitter. Hasil dari 20 kali uji coba menunjukan bahwa rata-rata pengiriman notifikasi teks melalui Instapush lebih cepat dan stabil pada tempat parkir ruang terbuka dengan waktu 7,2 detik sejak pintu mobil terbuka hingga tiba di smartphone pemilik mobil. Untuk pengiriman notifikasi foto melalui Twitter rata-rata lebih stabil pada tempat parkir ruang terbuka, tapi lebih cepat pada tempat parkir ruang tertutup dengan waktu 29,55 detik sejak pintu mobil terbuka. Untuk pengiriman notifikasi video melalui YouTube yang terintegrasi Twitter rata-rata lebih stabil dan cepat pada tempat parkir ruang terbuka dengan waktu 217,2 detik sejak pintu mobil terbuka. Foto dan video yang diunggah ke Twitter dan YouTube memiliki tingkat kesamaan yang berkualitas tinggi terhadap foto dan video asli hasil pemotretan dan perekaman webcam yang dipasang di dalam mobil.

---

ABSTRACT

Nowadays the cases of car theft are increasing, whereas the conventional alarm system has no direct notification feature. On the other side active internet users and active social media accounts continue to rise. Therefore, a notification system for car security based-Raspberry Pi and social media is designed to give 3 fold notifications. Those are text notification through Instapush, photo notification through Twitter, and video notification through Twitter-activated YouTube. Our test shows this system can run 100%. Average delivery time of text notification through Instapush is faster and more stable in the outdoor parking area. It takes only 7.2 seconds from the car door opened event until delivered at car owners smartphone. Average delivery time of photo notification through Twitter is more stable in the outdoor parking area, but is faster in the indoor parking area. It takes only 29.55 seconds after triggered. Average delivery time of video notification through Twitter-activated YouTube is faster and more stable in the outdoor parking area. It takes only 217.2 seconds after triggered. Photos and videos which are uploaded to Twitter and YouTube have a high degree of similarity with the original photos and videos that are captured and recorded by webcam mounted in a car

"