Pengenalan wajah berbasis convolutional neural network  pada smart parcel box  untuk keamanan paket di kos

Siti Farida; Putri Elfa Mas'udia; Sri Wahyuni Dali

doi:10.33795/eltek.v24i2.10806

Authors

Siti Farida Politeknik Negeri Malang
Putri Elfa Mas'udia
Sri Wahyuni Dali

DOI:

https://doi.org/10.33795/eltek.v24i2.10806

Keywords:

Face Recognition, Smart Parcel Box, Convolutional Neural Network

Abstract

Maraknya belanja online di kalangan mahasiswa yang tinggal di kos menimbulkan permasalahan keamanan paket, terutama risiko kehilangan paket yang sulit ditelusuri akibat keterbatasan sistem keamanan konvensional. Penelitian ini bertujuan merancang dan mengimplementasikan Smart Parcel Box berbasis pengenalan wajah menggunakan Convolutional Neural Netra sebagai solusi sistem keamanan paket di area kos. Sistem mengintegrasikan Raspberry Pi 3B+ sebagai unit pemrosesan utama, ESP32 sebagai mikrokontroler, sensor GM67 untuk pemindaian nomor resi, sensor ultrasonik HC-SR04 untuk pemantauan kapasitas kotak, serta solenoid door lock sebagai aktuator pengunci pintu. Pengenalan wajah menggunakan multi-task cascaded convolutional network untuk deteksi wajah dan model FaceNet berbasis TensorFlow Lite untuk pengenalan wajah, dengan Cosine Similarity sebagai metode pencocokan pada nilai threshold 0,75. Sistem dilengkapi aplikasi mobile Android yang terintegrasi dengan Firebase sebagai database real-time untuk manajemen data pengguna, resi paket, dan riwayat pengambilan. Hasil pengujian menunjukkan sistem face recognition mencapai akurasi 85,8%. Sensor GM67 mencapai tingkat keberhasilan baca barcode 92,3% serta jarak optimal pembacaan 10–40 cm, sedangkan sensor ultrasonik menghasilkan akurasi rata-rata 99,49% dengan error rata-rata 0,51%.

ABSTRACT

The surge in online shopping among boarding house residents has raised concerns over package security, particularly theft that is difficult to trace due to limitations of conventional security systems. This research designs and implements a Smart Parcel Box based on face recognition using a Convolutional Neural Network as a package security solution in boarding house areas. The system integrates a Raspberry Pi 3B+ as the main processing unit, an ESP32 microcontroller, a GM67 barcode sensor for tracking number scanning, an HC-SR04 ultrasonic sensor for box capacity monitoring, and a solenoid door lock as the locking actuator. Face recognition employs a multi-task cascaded convolutional network for face detection and FaceNet on TensorFlow Lite for face recognition, with Cosine Similarity at a threshold of 0.75. An Android mobile application integrated with Firebase manages user data, package tracking numbers, and pickup history in real-time. Test results show 85.8% face recognition accuracy. The GM67 sensor achieves a 92.3% barcode reading success rate and has an optimal reading range of 10–40 cm, while the ultrasonic sensor yielded 99.49% average accuracy with 0.51% average error.

References

N. Ilmi, “Analisis Faktor-Faktor Yang Mempengaruhi Pengambilan Keputusan Mahasiswa Dalam Memilih Jasa Rumah Kos Cokroaminoto,” J. Econ. Bus. Educ., vol. 15, no. 1, pp. 37–48, 2024.

A. ’ Ulya, O. N. Putri, and W. A. Naylawati, “Budaya Konsumtif Belanja Online Dikalangan Mahasiswa,” Pros. Semin. Nas., pp. 1300–1308, 2023.

S. A. Zafira and A. K. Pakpahan, “Pengaruh Regional Brand Ambassador dan Social Media Advertising terhadap Brand Trust dan Brand Loyalty Konsumen Gen-Z,” Jurnal Syntax Admiration, vol. 6, no. 1, pp. 962–980, 2025.

A. Anggraini, “Rancang Bangun Smart Guard Box Berbasis Aplikasi Android sebagai Upaya Dalam Mengurangi Potensi Kehilangan Paket pada Tempat Kos,” Politeknik Negeri Malang, 2024.

C. Valupi, T. Ariyadi, N. Paramyta, and T. D. Purwanto, “Prototipe Sistem Smart Box untuk Keamanan Penerimaan Paket Online Shopping,” J. Ilm. Univ. Batanghari Jambi, vol. 25, no. 1, pp. 964–971, 2025, doi: 10.33087/jiubj.v25i1.5675.

U. Azrin, I. Ziad, and S. Suroso, “Rancang Bangun Smart Box Penerima Paket Berbasis IoT Menggunakan Raspberry Pi,” Emit. J. Tek. Elektro, vol. 22, no. 2, pp. 118–125, 2022, doi: 10.23917/emitor.v22i2.19405.

F. Schroff, D. Kalenichenko, dan J. Philbin, “FaceNet: A unified embedding for face recognition and clustering,” dalam IEEE Conf. Comput. Vis. Pattern Recognit. (CVPR), Boston, MA, USA, 2015, pp. 815–823, doi: 10.1109/CVPR.2015.7298682.

K. S. Kartini and T. Informatika, “Perbandingan metode pengenalan wajah melalui penerapan pada sistem surveillance,” Sintech (Science and Information Technology) Journal, vol. 4, no. 1, pp. 88–98, 2021, doi: https://doi.org/10.31598

N. Dewi and F. Ismawan, “Implementasi Deep Learning Menggunakan Cnn Untuk Sistem Pengenalan Wajah,” Fakt. Exacta, vol. 14, no. 1, p. 34, 2021, doi: 10.30998/faktorexacta.v14i1.8989.

D. Tribuana, Hazriani, and A. L. Arda, “Face recognition for smart door security access with convolutional neural network method,” Telkomnika (Telecommunication Comput. Electron. Control., vol. 22, no. 3, pp. 702–710, 2024, doi: 10.12928/TELKOMNIKA.v22i3.25946.

S. R. Date, A. S. Chikane, dan S. M. Dabake, “Attendance system using CNN face recognition,” Int. J. Adv. Res. Sci. Commun. Technol. (IJARSCT), vol. 11, no. 4, pp. 10–18, 2023.

N. E. Christyanto, E. M. A. Jonemaro, dan N. Yudistira, “Pengembangan aplikasi Android presensi kehadiran realtime menggunakan pengenalan wajah dengan model FaceNet,” J. Pengemb. Teknol. Inf. Komput., vol. 6, no. 10, pp. 4839–4847, Okt. 2022.

M. Y. Fadhlan, T. Supriyadi, and M. H. Maulana, “Prototype Smart Mailbox untuk Penerimaan Paket Barang Berbasis IoT,” Pros. Ind. Res. Work. Natl. Semin., vol. 12, pp. 665–669, 2021, [Online]. Available: https://jurnal.polban.ac.id/ojs-3.1.2/proceeding/article/view/2778

K. Anwariyah, Y. Sulpia, Budiman, and D. Sofian, “Perancangan Sistem Pengenalan Wajah Dengan Metode CNN Pada Sistem Keamanan Door Lock Pintu Kamar Hotel,” Edu Elektrika J., vol. 12, no. 2, pp. 25–30, 2024, doi: 10.15294/0724xq71.

V. D. Win, “Pengenalan Wajah Menggunakan Convolutional Neural Networks (CNN),” e-Proceeding Eng., vol. 4, no. 3, pp. 4907–4916, 2017, [Online]. Available: https://openlibrary.telkomuniversity.ac.id/pustaka/files/137607/jurnal_eproc/pengenalan-wajah-menggunakan-convolutional-neural-network.pdf

B. Arasada and B. Suprianto, “Aplikasi Sensor Ultrasonik Untuk Deteksi Posisi Jarak Pada Ruang Menggunakan Arduino Uno,” J. Tek. Elektro, vol. 6, pp. 137–145, 2017.