Sistem keamanan saat ini menjadi salah satu isu yang mendapatkan perhatian besar di masyarakat. Sistem keamanan yang lemah sering kali menjadi titik awal dari masalah keamanan seperti kasus pencurian.
Di tengah masalah itu, biometrik muncul sebagai peluang untuk meningkatkan keamanan. Teknologi ini memanfaatkan karakteristik unik manusia, seperti sidik jari, suara, iris mata, dan fitur wajah, untuk memastikan bahwa hanya individu yang terverifikasi yang dapat mengakses area atau informasi tertentu.
Berbagai pihak kemudian berlomba untuk ikut mengembangkan teknologi ini. Salah satunya adalah Guru Besar bidang Sistem Informasi Komputer Fakultas Teknik, Prof Dr Ir H Syafruddin Syarif MT. Mereka kemudian mengangkat penelitian berjudul “Penerapan Metode Convolutional Neural Network Pada Face Recognition untuk Smart Loker” pada 2023 lalu.
Dalam wawancara bersama identitas Unhas, Rabu (08/05) Syafruddin menerangkan bahwa ide awal dari inovasi ini tidak hanya demi keamanan, tetapi juga menciptakan teknologi baru yang dapat membuka pintu secara otomatis menggunakan biometrik wajah, sehingga kita tidak perlu repot lagi membawa kunci.
Sistem keamanan biometrik yang tadinya ingin diterapkan pada pintu pun diubah. Karena ukuran dan masa pintu yang terlalu besar, akhirnya diputuskan untuk menggunakan loker sebagai model karena spesifikasinya yang lebih kecil.
“Teknologi buatan itu kan berkembang seiring perkembangan zaman, dan apa yang di tubuh kita itu bisa dijadikan sebagai alat keamanan pribadi. Jadi kalau mau membuka pintu bisa menggunakan wajah saja. Cuma waktu itu karena pintu terlalu berat, sehingga digunakan loker karena relatif lebih ringan. Jadi kita tidak perlu kunci, kita pasangkan saja kamera, itu nanti kenal wajah kita dan bisa terbuka tutup sendiri,” jelas Syafruddin.
Penelitian ini dikembangkan melalui penerapan deep learning dengan model Convolutional Neural Network (CNN). CNN atau jaringan syaraf tiruan konvensional merupakan salah satu jenis deep learning yang berhubungan dengan pengenalan pola, mulai dari pengolahan citra, pengenalan objek, hingga pengenalan wajah.
Proses dasar pembangunan sistem ini dimulai dengan pengumpulan data, pengolahan data (augmentation dan resizing), pembagian data, pelatihan data untuk menghasilkan model, kemudian pengujian model yang dihasilkan, dan pengujian pengenalan sistem penguncian loker.
Menurut Syafruddin, CNN memiliki banyak keunggulan dari model yang lain, seperti dapat mengurangi jumlah parameter Artificial Neural Network (ANN) tanpa mengurangi performa model. ANN merupakan jaringan neural dasar dengan lapisan fully connected.
Dengan berkurangnya parameter tersebut maka dianggap menguntungkan. Dari segi efisiensi misalnya, lebih sedikit parameter berarti jaringan lebih ringan. Kebutuhan memori dan waktu pelatihan juga menjadi lebih sedikit. Ini memungkinkan model untuk dilatih lebih cepat dan bisa digunakan dalam aplikasi dengan keterbatasan sumber daya.
Proses pengujian pengenalan sistem penguncian loker dibagi menjadi tiga tahap, tahap pertama yaitu pengujian kemampuan sistem dalam mengenali (Recognize). Tahap ini melakukan empat kali uji coba dengan objek yang berbeda.
Adapun hasil yang ditunjukkan yakni, akurasi 87,5 persen dalam pengujian langsung untuk satu orang terdaftar pada dataset, akurasi 100 persen dengan output “dikenali sebagai unknown” dalam pengujian langsung untuk satu orang yang tidak terdaftar pada dataset. Sistem dapat mengidentifikasi dan membedakan wajah dalam pengujian gabungan satu orang yang terdaftar dan tidak terdaftar pada dataset, serta model yang dirancang tidak dapat membedakan antara dua sampel wajah mirip dalam pengujian keempat.
Tahap kedua, dilakukan pengujian pengenalan wajah untuk sistem penguncian loker melalui tampilan website dengan menggunakan library Flask dari Python.
Secara sederhana, cara kerja dalam pengujian ini yaitu kamera mendeteksi wajah yang telah diposisikan menghadap ke arahnya. Kemudian, setiap proses wajah yang berhasil dikenali akan disimpan ke dalam database secara real time. Semua data yang berada dalam database tersebut dapat diakses dan dikontrol melalui API REST, menggunakan perintah GET untuk mengambil, dan PUT untuk menambahkan data.
Syafruddin menambahkan, selain database, ada yang namanya knowledge base. Pada knowledge base ini, 80 persen dari kecerdasan buatan akan dilatih untuk mengenali, dan 20 persen sisanya untuk data uji.
“Contoh sederhananya, semakin sering kita baca bahan ujian, semakin mudah kita memahami dan mendapatkan hasilnya. 80 persen data latihnya, kemudian 20 persen data uji,” tuturnya.
Meneruskan tahap sebelumnya, pada tahap ketiga dilakukan pengujian kinerja hardware sistem penguncian loker, dengan maksud untuk mengetahui kinerja dari hardware, apakah telah sesuai dengan yang diharapkan berdasarkan listing program melalui percabangan kondisi IF ELSE yang telah dibuat. Hasil dari penghitungan kinerja diperoleh 100 persen, yang berarti sistem bekerja dengan baik.
Alat ini diharapkan dapat diaplikasikan sebagai pengganti dari kartu kunci yang selama ini digunakan. Nantinya, proses input data wajah ke dalam database akan dilakukan melalui tanda pengenal yang mempunyai data wajah seperti Kartu Tanda Penduduk ataupun Kartu Tanda Mahasiswa.
Kajian ini masih terus berlanjut. Rencananya setelah penelitian dan penyempurnaan model selesai, sistem keamanan biometrik itu akan diterapkan pada pintu. Syafruddin turut berharap untuk diadakannya sosialisasi terkait teknologi terbarukan ini, serta diluncurkannya implementasi model yang akan diselesaikan itu.
Najwa Hanana
