PENERAPAN IOT PADA SISTEM KEAMANAN PINTU RUMAH DENGAN ESP8266 MENGGUNAKAN METODE LOGIKA FUZZY
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Pemilik rumah terkadang dapat lengah walaupun berada dirumah, berapa faktor seperti jauhnya akses pintu dengan tempat atau ruang beristirahat jadi pemilik rumah terkadang tidak mendengar suara derap langkah yang terlalu pelan sehingga tidak mengetahui keberadaan seseorang didekat pintu rumah, untuk mencegah tindakan kriminalitas yang mungkin terjadi pada pintu yang merupakan akses utama masuk kedalam ruangan diperlukan sebuah sistem keamanan yang dapat memberitahu pemilik rumah bahwa ada sesorang yang berada didekat pintu rumah,orang yang berada didekat pintu rumah kita bisa berniat baik seperti hanya bertamu atau mungkin anggota keluarga yang pulang maupun sebaliknya kita bisa mengantisipasinya terlebih dahulu. Sistem keamanan yang berbasis internet of thing yang akan mengirimkan pesan lewat telegram. Sistem pada alat ini terdiri dari Sensor Ultrasonik yang akan mendeteksi jarak objek seberapa dekat dengan pintu rumah , buzzer yang akan mengeluarkan bunyi saat sensor ultrasonik mendeteksi objek yang berada didekat pintu , ESP8266 digunakan sebagai modul yang akan menyambungkan perangkat kejaringan internet dan yang akan menjadi papan utama pada sistem keamanan. Dalam perancangan alat terdiri dari perangkat keras dan perangkat lunak. Perangkat keras terdiri Sensor Ultrasonik, Buzzer dan ESP8266. Sedangkan perangkat lunak digunakan aplikasi pemrogaman Arduino software. Hasil yang dicapai adalah sistem keamanan dapat memberitahu pemilik mengenai keberadaan seseorang yang dekat berada dengan pintu rumah sehingga pemilik dapat bersiaga dengan segala kemungkinan yang terjadi.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.004 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.000 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it