BAB 4– Hasil dan Diskusi

 

Pada bagian ini, Sistem Pengawasan Rumah (FHSS) berbasis Fuzzy diilustrasikan dengan representasi grafis tertentu untuk menghasilkan ringkasan keluaran yang tepat. Tujuan utama dari metode ini adalah untuk memberikan keamanan ke rumah pengguna melalui beberapa norma. Pertimbangan terpenting dari sistem tersebut adalah Kamera WiFi dengan Kecerdasan Buatan. Karena kamera ini mudah untuk mengidentifikasi seseorang dan unit pemicu segera mendorong aliran video masing-masing ke server untuk diproses lebih lanjut. Gambar berikut,Gambar 2. mengilustrasikan dengan jelas menunjukkan metrik kinerja kamera WiFi berbasis AI, di mana ia menunjukkan frame yang diambil secara keseluruhan, rasio bingkai yang berhasil, dan rasio bingkai yang gagal. Dalam gambar ini, frame yang diambil secara keseluruhan mewakili jumlah frame yang diambil dari kamera WiFi, rasio frame yang berhasil menunjukkan jumlah frame yang memenuhi syarat untuk diproses dan frame yang gagal menunjukkan jumlah frame yang terpengaruh, yang tidak memenuhi syarat untuk diproses. Gambar berikut, Gambar 3 menunjukkan Metrik Kinerja Sensor Identifikasi Orang, di mana sensor merasakan jumlah objek bahkan itu mungkin orang atau objek lain. Rasio identifikasi orang yang berhasil dan rasio kegagalan digambarkan pada ilustrasi grafis berikut. Pada gambar berikut, sumbu x menggambarkan waktu dalam milidetik dan sumbu y mewakili jumlah benda yang dikumpulkan per detik. Rasio keberhasilan dan kegagalan ditentukan berdasarkan kumpulan objek- objek tersebut. Pendekatan yang diusulkan menggunakan sensor Passive InfraRed (PIR) untuk mengidentifikasi orang di depan pemosisian Perangkat Cerdas. Biasanya sensor PIR menangkap objek dalam rentang 360 derajat, dan secara bersamaan memicu ke modul Internet of Things. Modul IoT menyimpan catatan ke server dan memperingatkan pengguna masing-masing berdasarkan pemicu negatif. Jika modul merasakan objek yang sering muncul, modul hanya menyimpan catatan ke server untuk tujuan verifikasi.   Gambar berikut, Gambar 4 menunjukkan deskripsi grafis dari estimasi kinerja berdasarkan pesan pemberitahuan tepat waktu. Di sini, metrik diperkirakan dengan cara menghitung jumlah peristiwa yang terjadi setelah menempatkan perangkat pintar di atas tempat masing- masing dan interval pemberitahuan ke pengguna yang sesuai.                             Gambar 2. Metrik kinerja kamera AI.     Gambar 3. Metrik kinerja sensor identifikasi orang.     Gambar 4. Estimasi kinerja berdasarkan notifikasi pengguna.   Estimasi ini dianalisis berdasarkan susuatu yang tidak jelas yang ditangkap oleh kamera di depan pintu masuk serta entri orang pada waktu yang tidak diinginkan yang dirasakan oleh sensor PIR. Dalam kedua skenario, modul IoT memunculkan pemberitahuan peringatan ke pengguna yang sesuai. Estimasi menunjukkan rasio waktu rata-rata dari jumlah peristiwa dalam milidetik dan akan diulang sebagai 1 hingga 4 pada sumbu x dan sumbu y menunjukkan jumlah total peristiwa yang terjadi, masing-masing pesan yang dikirim sebagai pemberitahuan kepada pengguna dan jumlah kegagalan juga.   KEMBALI