Mungkin belum banyak yang paham tentang pengertian atau kegunaan dari computer vision, kecuali mereka yang belajar atau menempuh pendidikan sarjana di Fakultas Ilmu Komputer. Computer vision merupakan bagian dari Artificial Intelligence (AI) yang mempelajari bagaimana komputer mampu memberikan deskripsi dari sebuah gambar digital atau video. Sebagai contoh ketika ada obyek pada sebuah gambar, maka komputer dapat memberikan informasi tentang obyek tersebut kepada manusia. Supaya komputer mampu melakukan hal tersebut, diperlukan metode-metode atau algoritma yang bisa dipelajari di computer vision.
Jadi, bagaimana computer vision bekerja?
Di computer vision terdapat beberapa tahapan supaya komputer mampu memberikan deskripsi terhadap sebuah citra digital. Tahapan-tahapan tersebut adalah preprocessing, ekstraksi ciri, dan proses learning. Preprocessing dilakukan ketika gambar yang diperoleh memiliki kualitas gambar yang rendah. Hal tersebut bisa disebabkan karena pencahayaan yang kurang atau gambar yang kabur (blurred). Ekstraksi ciri dilakukan karena setiap gambar atau obyek dalam gambar memiliki ciri yang unik dimana ciri tersebut dapat digunakan untuk membedakan antara gambar satu dengan gambar lainnya. Ciri tersebut dapat berupa warna, bentuk atau tekstur obyek pada sebuah gambar. Ciri-ciri tersebut kemudian akan diubah ke bentuk numerik sehingga bisa dilakukan proses learning oleh komputer. Pada proses learning, kita dapat menerapkan metode machine learning atau deep learning. Metode deep learning merupakan bagian dari model jaringan syaraf tiruan (neural network). Kelebihannya, deep learning memiliki fungsi ekstraksi ciri tersendiri yang tidak dimiliki oleh model jaringan syaraf pada umumnya. Walaupun machine learning dan deep learning memiliki fungsi yang sama yaitu mengenali atau memberikan deskripsi obyek pada sebuah gambar, namun keduanya memiliki kelebihan dan kekurangannya masing-masing. Banyak penelitian menunjukkan deep learning mampu memberikan hasil yang lebih akurat dibandingkan dengan penggunaan machine learning, tetapi dibutuhkan waktu yang tidak sedikit untuk proses learning tersebut.
Saat ini banyak situs-situs jual beli online yang sudah menerapkan computer vision di dalam sistem mereka. Dengan mengakses Tokopedia, pengguna hanya perlu mencari produk yang diinginkan melalui image search. Dengan menggunakan image search, pengguna tidak perlu lagi mengetik nama produk yang dicari namun cukup mengambil foto atau gambar digital dari produk yang diinginkan dan secara otomatis Tokopedia akan menampilkan produk-produk yang mirip dengan produk yang difoto pengguna. Situs belanja online bertaraf dunia seperti Amazon dan AliExpress juga demikian, mereka memanfaatkan computer vision dengan membuat fitur pencarian lewat gambar. Fitur tersebut mempermudah pelanggan mencari produk sesuai keinginan mereka.
Selain membantu dalam proses pencarian produk melalui gambar, computer vision juga dapat digunakan untuk memberikan label suatu produk secara otomatis. Hal tersebut sangat membantu sekali ketika penjual memiliki banyak produk yang hendak dijual. Penjual tidak perlu memberikan label ke setiap produk secara manual yang tentunya akan menghabiskan banyak waktu. Penjual hanya cukup mengupload gambar produk dan sistem akan memberikan label pada produk tersebut secara otomatis. Sebagai contoh pada perusahaan yang menjual baju, computer vision dapat menentukan warna baju, model baju (kaos atau kemeja), dan ukuran lengan (panjang atau pendek) pada baju tersebut.
Selain berguna untuk memudahkan pencarian produk, penggunaan computer vision juga dapat dimanfaatkan untuk melindungi konsumen dalam melakukan transaksi secara online. Sama seperti Tokopedia, Jualo dan Olx juga merupakan situs jual beli online yang banyak melibatkan data berupa citra digital. Namun berdasarkan jenis transaksinya berbeda dengan Tokopedia. Jualo dan Olx merupakan E-Commerce yang berbasis C2C (Customer to Customer) dimana pembeli dapat bertransaksi atau mentransfer uang secara langsung ke penjual, sedangkan Tokopedia merupakan E-Commerce yang berbasis B2B2C (Bussiness to Bussiness to Customer) dimana transaksi keuangan atau pembayarannya harus melalui pihak marketplace. Dari sisi keamanan, E-Commerce berbasis B2B2C lebih aman dibandingkan E-Commerce berbasis C2C. Di B2B2C, uang akan ditransfer ke penjual ketika barang sudah diterima oleh pembeli. Ketika pembeli merasa barang yang diterima tidak sesuai maka uang pembayaran dapat ditahan untuk tidak ditransfer ke penjual. Bahkan, media sosial seperti Facebook saat ini juga dijadikan sebagai media jual beli online. Banyak penjual menawarkan berbagai produk antara lain mobil, motor, dan juga smartphone. Dalam proses transaksi yang dilakukan melalui Facebook, pembeli bisa melakukan pembayaran langsung ke penjual, sehingga transaksi yang dilakukan dapat digolongkan ke dalam C2C.
Pertanyaannya adalah bagaimana computer vision dapat diterapkan oleh situs-situs jual beli online C2C untuk melindungi pelanggannya? Dari semua iklan yang ada di situs jual beli online C2C mungkin saja terdapat penjual yang berusaha menipu pembelinya. Sebagai contoh jual beli mobil atau motor bekas dimana memungkinkan pembeli bisa tertipu dengan iming-iming harga murah. Untuk jual beli mobil atau motor bekas, biasanya penjual yang hendak menipu akan meminta pembeli untuk mentransfer uang muka terlebih dahulu dan menjanjikan akan mengirim barang tersebut ke pembeli. Untuk melindungi konsumen, pengembang situs mungkin sudah menyediakan fungsi atau fitur untuk melaporkan iklan yang memang dianggap penipuan. Namun fungsi tersebut belum cukup untuk mencegah penipuan, karena mungkin saja ada pelanggan yang kurang aware atau tidak mengetahui bahwa iklan tersebut adalah penipuan. Walaupun iklan penipuan tersebut sudah di take down, masih bisa terjadi penipu mempublish ulang iklan yang sama dengan gambar yang sama di kemudian hari. Untuk mengatasi hal tersebut, computer vision bisa dimanfaatkan untuk tindakan pencegahan (preventif) dimana sebelum iklan terpublish maka sistem bisa mendeteksi secara otomatis apakah iklan tersebut berupa iklan penipuan atau bukan. Deteksi dini tersebut dapat dilakukan dengan cara membandingkan gambar yang diupload si pengiklan dengan gambar-gambar yang pernah digunakan untuk kasus penipuan.
Referensi:
- https://www.cnnindonesia.com/teknologi/20190330085326-185-381950/tokopedia-terapkan-teknologi-kecerdasan-buatan-di-aplikasi
- https://erwin-informasi.blogspot.com/2017/11/perbedaan-antara-tokopedia-bukalapak.html
- https://medium.com/swlh/how-computer-vision-is-revolutionizing-ecommerce-d05e0ca11765
- S.A.Oyewole, O.O.Olugbara, “Product image classification using Eigen Colour feature with ensemble machine learning”, Egyptian Informatics Journal, vol. 19, Issue 2, 2018
- Qing Li, Xiaojiang Peng, Liangliang Cao, Wenbin Du, HaoXing, Yu Qiao, Qiang Peng, “Product image recognition with guidance learning and noisy supervision”, Computer Vision and Image Understanding, vol. 196, 2020