{"id":2581,"date":"2025-09-14T15:34:08","date_gmt":"2025-09-14T15:34:08","guid":{"rendered":"https:\/\/kuliahrobot.com\/krc\/?p=2581"},"modified":"2025-09-14T15:42:08","modified_gmt":"2025-09-14T15:42:08","slug":"face-recognition-doorlock-with-raspberry-pi","status":"publish","type":"post","link":"https:\/\/kuliahrobot.com\/krc\/face-recognition-doorlock-with-raspberry-pi\/","title":{"rendered":"Face recognition doorlock with raspberry pi"},"content":{"rendered":"\t\t
\n\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Raspberry Pi adalah mini komputer seukuran kartu kredit yang sangat populer untuk proyek IoT, otomasi, dan pembelajaran pemrograman.
Salah satu proyek menarik yang bisa dibuat dengan Raspberry Pi adalah Face Recognition Door Lock<\/strong> \u2014 sistem kunci pintu otomatis yang akan terbuka hanya jika wajah yang dikenali sesuai dengan data yang sudah tersimpan.<\/p>

Tutorial ini ditujukan untuk pemula<\/strong>. Artinya, meskipun kamu belum pernah menggunakan Raspberry Pi sebelumnya, kamu tetap bisa mengikuti langkah demi langkah yang disediakan di sini.<\/p>

Langkah 1 \u2013 Persiapan Alat dan Bahan<\/strong><\/h2>

Sebelum memulai, pastikan semua kebutuhan perangkat keras dan perangkat lunak sudah siap. Tanpa alat yang lengkap, sistem tidak bisa berjalan sempurna.<\/p>

Alat yang dibutuhkan<\/strong><\/h3>

  • Raspberry Pi 4 (disarankan) + microSD 16\/32 GB<\/p><\/li>

  • Adaptor power Raspberry Pi<\/p><\/li>

  • Kamera (Pi Camera Module atau USB Webcam)<\/p><\/li>

  • Modul relay (untuk mengendalikan kunci pintu elektrik)<\/p><\/li>

  • Kunci pintu elektrik (solenoid lock atau magnetic lock)<\/p><\/li>

  • Kabel jumper<\/p><\/li>

  • Breadboard (opsional untuk prototyping)<\/p><\/li>

  • Monitor + keyboard + mouse (untuk setup awal)<\/p><\/li><\/ul>

    Software<\/strong><\/h3>

    • Raspberry Pi OS (diinstal via Raspberry Pi Imager)<\/p><\/li>

    • Python 3 (sudah bawaan Raspberry Pi)<\/p><\/li>

    • OpenCV (untuk pengolahan gambar)<\/p><\/li>

    • Face Recognition library (berbasis dlib)<\/p><\/li><\/ul>

      Langkah 2 \u2013 Instalasi Raspberry Pi<\/strong><\/h2>

      Raspberry Pi menggunakan sistem operasi berbasis Linux. Kita perlu menyiapkan OS ke dalam microSD agar Pi bisa digunakan.<\/p>

      1. Download Raspberry Pi Imager<\/strong> dari situs resmi.<\/p><\/li>

      2. Masukkan microSD ke laptop\/PC.<\/p><\/li>

      3. Jalankan Raspberry Pi Imager \u2192 pilih OS: Raspberry Pi OS (Lite atau Desktop)<\/em>.<\/p><\/li>

      4. Pilih microSD target \u2192 klik Write<\/em>.<\/p><\/li>

      5. Setelah selesai, masukkan microSD ke Raspberry Pi.<\/p><\/li>

      6. Sambungkan monitor, keyboard, mouse \u2192 nyalakan Pi.<\/p><\/li><\/ol>

        Langkah 3 \u2013 Update dan Instalasi Library<\/strong><\/h2>

        Agar Raspberry Pi siap digunakan untuk pengolahan wajah, kita perlu mengupdate sistem dan memasang beberapa library Python.<\/p>

        \u00a0<\/div><\/div><\/div>
        sudo apt update && sudo apt upgrade -y\nsudo apt install python3-pip python3-opencv -y\npip3 install face_recognition\n<\/code><\/div><\/div>

        Langkah 4 \u2013 Menangkap dan Menyimpan Dataset Wajah<\/strong><\/h2>

        Sistem face recognition membutuhkan data wajah yang sudah dikenali sebelumnya. Jadi kita buat program Python untuk mengambil gambar wajah lalu menyimpannya sebagai dataset.<\/p>

        \u00a0<\/div><\/div><\/div>
        import<\/span> cv2\nimport<\/span> os\n\ncam = cv2.VideoCapture(0<\/span>)\ncv2.namedWindow(\"Capture Face\"<\/span>)\n\nuser_name = input<\/span>(\"Masukkan nama pengguna: \"<\/span>)\npath = \"dataset\/\"<\/span> + user_name\n\nif<\/span> not<\/span> os.path.exists(path):\n os.makedirs(path)\n\ncount = 0<\/span>\nwhile<\/span> True<\/span>:\n ret, frame = cam.read()\n if<\/span> not<\/span> ret:\n break<\/span>\n cv2.imshow(\"Capture Face\"<\/span>, frame)\n\n k = cv2.waitKey(1<\/span>)\n if<\/span> k%256<\/span> == 27<\/span>: # ESC untuk keluar<\/span>\n print<\/span>(\"Escape ditekan, keluar...\"<\/span>)\n break<\/span>\n elif<\/span> k%256<\/span> == 32<\/span>: # SPACE untuk capture<\/span>\n img_name = f\"{path}<\/span><\/span>\/face_{count}<\/span>.jpg\"\n cv2.imwrite(img_name, frame)\n print<\/span>(f\"{img_name}<\/span><\/span> tersimpan!\")\n count += 1<\/span>\n\ncam.release()\ncv2.destroyAllWindows()\n<\/code><\/div><\/div>

        Langkah 5 \u2013 Pengenalan Wajah<\/strong><\/h2>

        Setelah dataset wajah tersimpan, sekarang kita buat program pengenalan wajah yang membandingkan wajah di depan kamera dengan dataset.<\/p>

        \u00a0<\/div><\/div><\/div>
        import<\/span> face_recognition\nimport<\/span> cv2\nimport<\/span> os\nimport<\/span> numpy as<\/span> np\n\nknown_encodings = []\nknown_names = []\n\ndataset_dir = \"dataset\"<\/span>\n\n# Load semua wajah di dataset<\/span>\nfor<\/span> user_name in<\/span> os.listdir(dataset_dir):\n user_folder = os.path.join(dataset_dir, user_name)\n for<\/span> file in<\/span> os.listdir(user_folder):\n img_path = os.path.join(user_folder, file)\n image = face_recognition.load_image_file(img_path)\n encoding = face_recognition.face_encodings(image)[0<\/span>]\n known_encodings.append(encoding)\n known_names.append(user_name)\n\nvideo = cv2.VideoCapture(0<\/span>)\n\nwhile<\/span> True<\/span>:\n ret, frame = video.read()\n rgb_frame = frame[:, :, ::-1<\/span>]\n face_locations = face_recognition.face_locations(rgb_frame)\n face_encodings = face_recognition.face_encodings(rgb_frame, face_locations)\n\n for<\/span> (top, right, bottom, left), face_encoding in<\/span> zip<\/span>(face_locations, face_encodings):\n matches = face_recognition.compare_faces(known_encodings, face_encoding)\n name = \"Unknown\"<\/span>\n\n face_distances = face_recognition.face_distance(known_encodings, face_encoding)\n best_match_index = np.argmin(face_distances)\n if<\/span> matches[best_match_index]:\n name = known_names[best_match_index]\n\n cv2.rectangle(frame, (left, top), (right, bottom), (0<\/span>, 255<\/span>, 0<\/span>), 2<\/span>)\n cv2.putText(frame, name, (left, top-10<\/span>), cv2.FONT_HERSHEY_SIMPLEX, 1<\/span>, (0<\/span>,255<\/span>,0<\/span>), 2<\/span>)\n\n cv2.imshow(\"Face Recognition\"<\/span>, frame)\n if<\/span> cv2.waitKey(1<\/span>) & 0xFF<\/span> == ord<\/span>('q'<\/span>):\n break<\/span>\n\nvideo.release()\ncv2.destroyAllWindows()\n<\/code><\/div><\/div>

        Langkah 6 \u2013 Integrasi dengan Door Lock<\/strong><\/h2>

        Sekarang kita hubungkan hasil pengenalan wajah dengan modul relay untuk membuka kunci pintu.<\/p>

        \u00a0<\/div><\/div><\/div>
        import<\/span> RPi.GPIO as<\/span> GPIO\nimport<\/span> time\n\nRELAY_PIN = 17<\/span>\nGPIO.setmode(GPIO.BCM)\nGPIO.setup(RELAY_PIN, GPIO.OUT)\n\ndef<\/span> open_door<\/span>():\n GPIO.output(RELAY_PIN, GPIO.HIGH) # aktifkan relay<\/span>\n print<\/span>(\"Pintu terbuka!\"<\/span>)\n time.sleep(5<\/span>)\n GPIO.output(RELAY_PIN, GPIO.LOW) # matikan relay<\/span>\n print<\/span>(\"Pintu terkunci kembali!\"<\/span>)\n<\/code><\/div><\/div>

        Jika wajah dikenali, cukup panggil fungsi:<\/p>

        \u00a0<\/div><\/div><\/div>
        open_door()\n<\/code><\/div><\/div>

        Penutup<\/strong><\/h2>

        Dengan mengikuti tutorial ini, kamu telah berhasil membuat sistem Face Recognition Door Lock<\/strong> menggunakan Raspberry Pi. Mulai dari instalasi OS, instalasi library, pembuatan dataset wajah, hingga integrasi dengan modul relay.<\/p>

        Proyek ini bisa dikembangkan lebih jauh, misalnya dengan:<\/p>

        • Menambahkan sistem logging (catatan siapa yang membuka pintu)<\/p><\/li>

        • Mengirim notifikasi ke HP<\/p><\/li>

        • Mengontrol pintu lewat aplikasi web atau mobile<\/p><\/li><\/ul>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"

          Raspberry Pi adalah mini komputer seukuran kartu kredit yang sangat populer untuk proyek IoT, otomasi, dan pembelajaran pemrograman.Salah satu proyek menarik yang bisa dibuat dengan Raspberry Pi adalah Face Recognition Door Lock \u2014 sistem kunci pintu otomatis yang akan terbuka hanya jika wajah yang dikenali sesuai dengan data yang sudah tersimpan. Tutorial ini ditujukan untuk […]<\/p>\n","protected":false},"author":3,"featured_media":0,"comment_status":"closed","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-2581","post","type-post","status-publish","format-standard","hentry","category-uncategorized"],"_links":{"self":[{"href":"https:\/\/kuliahrobot.com\/krc\/wp-json\/wp\/v2\/posts\/2581","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/kuliahrobot.com\/krc\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/kuliahrobot.com\/krc\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/kuliahrobot.com\/krc\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/kuliahrobot.com\/krc\/wp-json\/wp\/v2\/comments?post=2581"}],"version-history":[{"count":4,"href":"https:\/\/kuliahrobot.com\/krc\/wp-json\/wp\/v2\/posts\/2581\/revisions"}],"predecessor-version":[{"id":2594,"href":"https:\/\/kuliahrobot.com\/krc\/wp-json\/wp\/v2\/posts\/2581\/revisions\/2594"}],"wp:attachment":[{"href":"https:\/\/kuliahrobot.com\/krc\/wp-json\/wp\/v2\/media?parent=2581"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/kuliahrobot.com\/krc\/wp-json\/wp\/v2\/categories?post=2581"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/kuliahrobot.com\/krc\/wp-json\/wp\/v2\/tags?post=2581"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}