Sistem pengenalan wajah yang menggunakan pendekatan klasik sejauh ini belum dapat memberikan hasil optimal jika dihadapkan pada tantangan oklusi. Salah satunya adalah saat wajah menggunakan masker. Jika seseorang menggunakan aplikasi sistem pengenalan wajah dengan harus membuka masker terlebih dahulu di tempat umum tentunya sangat berbahaya untuk keselamatan dan kesehatan semua pihak. Sehingga dibutuhkan sistem pengenalan wajah yang memiliki performa sistem yang tinggi dengan tantangan oklusi masker.
Regina Lionnie mengangkat permasalahan ini dalam penelitian disertasinya yang berjudul “Pengembangan Metode Kurvatur Sebagai Ekstraksi Fitur Dalam Sistem Pengenalan Wajah Bermasker” yang dipresentasikan dalam sidang Promosi Doktor FTUI (15/11).
Penelitian ini bertujuan untuk mendapatkan kombinasi metode baru atau memperbaiki metode yang sudah ada dan dapat mengidentifikasi individual saat menggunakan masker tanpa menurunkan performa akurasi sistem pengenalan. Tujuan dalam identidikasi saat menggunakan masker adalah untuk membantu masyarakat menggunakan aplikasi dan perangkat lunak dengan algoritma sistem pengenalan wajah dengan akurat tanpa perlu membuka masker wajah. Dalam penelitian ini, Regina membangun sistem pengenalan wajah bermasker dengan pendekatan holistic dan partial face.
“Pada holistic-based approach sistem pengenalan akan menggunakan data gambar seluruh wajah saat menggunakan masker (internal), serta rambut dan telinga (eksternal). Pada partial face approach sistem pengenalan menggunakan area yang tidak tertutup masker dan fitur-fitur kunci yang robust terhadap variasi dan bagaimana merepresentasikan fitur ini akan dikembangkan. Metode ekstraksi fitur yang digunakan adalah penggabungan metode kurvatur yang menggunakan turunan parsial orde satu dan dua dengan metode analitik yaitu gray level co-occurrence matrix (GLCM) dan multi-resolution analysts (MRA), termasuk transformasi wavelet diskrit (DWT), scale-space (SS) dan wavelet packet transform (WPT),” kata Regina.
Pada penelitian ini Regina juga menemukan kriteria baru (keterbaruan penelitian) yang dinamakan curvature best basis (CBB) untuk memilih basis pada algoritma best basis di dalam WPT. Kriteria baru pemilihan basis terbaik bersifat dinamis dan menggunakan nilai tertinggi dari ukuran statistik standar deviasi dari kurvatur rerata pada koefisien wavelet. Basis terbaik bekerja sebagai fitur terekstraksi yang bekerja di dalam sistem pengenalan. Kemudian penelitian ini dievaluasi menggunakan dataset RFFMDS v1.0, RFFMDS v2.0 EYB, dan UBIPr.
“Hasil penelitian Doktor Regina menunjukkan bahwa sistem pengenalan wajah dengan tantangan oklusi masker berhasil dibangun menggunakan pendekatan holistic dengan akurasi pengenalan sistem sebesar 98.11% dan dengan pendekatan partial face dengan akurasi sebesar 98.80%. Kedua hasil akurasi terbaik ini diperoleh dengan metode curvature best basis. Performa sistem pengenalan yang menggunakan metode curvature best basis dengan pendekatan holistic maupun partial face menunjukkan performa tertinggi dibandingkan dengan performa penelitian sebelumnya. Hal ini tentunya merupakan inovasi yang sangat membantu dalam proses screening di tempat-tempat umum yang sangat memerlukan akurasi pengenalan wajah tanpa mengorbankan factor keamanan, Kesehatan dan kenyamanan masyarakat,” ujar Dekan FTUI, Prof. Dr. Heri Hermansyah, ST., M.Eng., IPU terkait penelitian Regina.
Disertasi penelitian mengenai ekstraksi fitur dalam sistem pengenalan wajah bermasker berhasil mengantarkan Regina Lionnie meraih gelar doktor dan tercatat sebagai lulusan doktor ke-147 Departemen Teknik Elektro dan ke-475 Fakultas Teknik Universitas Indonesia. Sidang Promosi ini dipimpin Prof. Dr. Ir. Harry Sudibyo S., DEA, dengan promotor Prof. Dr. Ir. Dadang Gunawan, M.Eng. dan ko-promotor Dr. Catur Apriono, S.T., M.T., Ph.D. Sementara tim penguji terdiri dari Dr. Basari, S.T., M.Eng.; Dr. Eng Mia Rizkinia ST., MT.; Siti Fauziyah Rahman, S.T., M.Eng. Ph.D.; dan Dr. Ian Yoseph, ST., MT.
***
Biro Komunikasi Publik
Fakultas Teknik Universitas Indonesia