Sistem Keamanan Brankas Menggunakan Face Recognition Berbasis YOLO Dilengkapi Deteksi Cahaya dan Telegram
Banyaknya kasus pencurian dan pembobolan brankas di berbagai sektor menunjukkan bahwa sistem keamanan konvensional belum efektif. Menurut data Pusiknas mencatat lebih dari 300 kasus sepanjang 2024, dengan kerugian miliaran rupiah. Salah satu kasus menonjol terjadi di sebuah bank di daerah Banten, dimana pelaku berhasil membuka brankas meski sudah dilindungi kode sandi dan juga tanpa adanya pengawasan secara berkala. Hal ini membuktikan bahwa akses mekanik masih rentan jika tidak didukung sistem verifikasi identitas yang kuat. Proyek akhir ini bertujuan merancang sistem keamanan berlapis menggunakan face recognition berbasis YOLO dan sensor cahaya, terhubung dengan Telegram untuk pemantauan realtime. Sistem menggunakan Raspberry Pi sebagai kendali utama, dengan webcam, laser, LDR, dan bot Telegram sebagai komponen pendukung. Model yang digunakan adalah YOLOv8, dimana model ini dilatih dengan 300 gambar dari 6 kelas, menghasilkan precision dan recall sebesar 100% serta mAP @0.5 mencapai 99,5%. Meskipun begitu, akurasi sistem juga dipengaruhi oleh faktor pencahayaan dan jarak wajah dengan webcam. Dalam kondisi terang, tingkat kepercayaan rata-rata mencapai 87,8%, namun menurun menjadi 83,4% saat cahaya redup.