Membuat Sistem Face Detection Pada Suatu Perangkat Berbasis YOLO

Oleh: Gama Prayoga (Mahasiswa Program Magister Teknik Elektro Institut Teknologi Sepuluh November)

Perkembangan teknologi saat ini semakin canggih seiring dengan perkembangan zaman dan kemajuan ilmu pengetahuan. Salah satu perkembangan teknologi saat ini adalah ilmu terkait kecerdasan buatan atau Artificial Intelligence (AI). Artificial Intelligence merupakan suatu metode atau cara untuk membuat suatu perangkat atau mesin berpikir, merasakan, dan berperilaku cerdas seperti kemampuan manusia. Artificial Intelligence diimplementasikan oleh suatu aplikasi atau software di dalam suatu perangkat atau mesin.

Dengan semakin tingginya tingkat kebutuhan masyarakat modern dengan teknologi Artificial Intelligence ini, mahasiswa program Magister Teknik Elektro Institut Teknologi Sepuluh November Surabaya diberikan mata kuliah khusus terkait kecerdasan buatan untuk meningkatkan pengetahuan, wawasan dan keterampilan dalam memahami dan mengembangkan ilmu pengetahuan terkait Artificial Intelligence ini. Setiap mahasiswa yang mengikuti mata kuliah tersebut akan diberikan pemahaman terkait Artificial Intelligence secara komprehensif disertai dengan praktik penerapan dalam kehidupan sehari-hari.

Sistem Pengenalan Wajah atau Face Detection

Salah satu aplikasi Artificial Intelligence adalah sistem pengenalan wajah atau face detection. Sistem face detection ini merupakan contoh penerapan deep learning (sub bagian dari Artificial Intelligence) pada suatu perangkat atau mesin dimana perangkat atau mesin dilatih dengan pengawasan (supervise learning) untuk dapat melakukan pendeteksian suatu obyek layaknya seorang manusia.

Face Detection adalah suatu teknologi komputer berbasis Artificial Intelligence untuk mengenali atau mengidentifikasi wajah manusia dari gambar atau kamera. Teknologi ini memungkinkan suatu perangkat atau mesin seperti komputer atau handphone dapat mengenali wajah seseorang untuk kebutuhan suatu hal, seperti login masuk suatu komputer atau handphone ataupun bagian dari keamanan seperti pendukung akses masuk suatu ruangan kantor atau area terbatas lainnya. Saat ini beberapa handphone sudah dilengkapi dengan sistem face detection sebagai cara untuk akses masuk atau login dalam menggunakan handphone tersebut.

Mempersiapkan Database Sistem Face Detection

Salah satu sistem face detection yang dipelajari adalah YOLO (You Only Look Once)-based face detection, dimana database maupun pelatihan model menggunakan format YOLO. Untuk membuat suatu perangkat dapat menjalankan sistem face detection dari program mandiri YOLO, dibutuhkan database yang banyak dan besar. Semakin banyak dan besar data yang digunakan, teknologi face detection ini akan semakin baik dan akurat. Database ini dapat diperoleh dari berbagai foto-foto atau gambar orang-orang di sekitar aktivitas kita, seperti lingkungan rumah, lingkungan kampus atau lingkungan kantor. Setiap orang yang berada di lingkungan sekitar kita yang ingin dideteksi atau perlu dikenali melalui perangkat, perlu disiapkan database foto dengan sudut pengambilan gambar dan pose/gaya yang berbeda. Hal ini diperlukan agar perangkat dapat mempelajari pengenalan wajah dari suatu orang dengan sebaik-baiknya, termasuk wajah kita sendiri. Jumlah minimal foto yang diperlukan dalam suatu database antara 1000-5000 foto dengan jumlah foto setiap wajah minimal 5-10 pose per target wajah. Jika ingin membentuk sistem face detection untuk tugas yang lebih kompleks memerlukan sekitar 10000 sampai dengan 100000 foto.

Membentuk Dataset Sistem Face Detection

Setelah database foto disiapkan, selanjutnya dilakukan pemilihan dan pelatihan model dari database foto yang telah disiapkan menggunakan model YOLO. Dalam Artificial Intelligence, model ini merupakan suatu proses yang dibentuk dari pelatihan dataset, sehingga hal tersebut dapat melakukan prediksi atau membuat keputusan berdasarkan data yang tersedia.  Kita bisa siapkan terlebih dahulu dataset melalui aplikasi Roboflow, dimana database foto yang telah disiapkan diupload pada aplikasi tersebut. Setelah itu kita dapat melakukan annotate atau pemberian kotak pada wajah disertai nama pemilik wajah tersebut dari setiap foto yang telah diupload. Selanjutnya dilakukan pengaturan persentase pembagian database yang ingin digunakan sebagai train, validation dan test data, misalnya 70% foto sebagai train data, 20% sebagai validation data dan 10% sebagai test data. Pelatihan model dataset dapat dilakukan langsung pada aplikasi Roboflow maupun aplikasi lain. Dari aplikasi Roboflow ini dihasilkan dataset yang diperlukan untuk proses pembuatan sistem face detection. Selain itu, dari aplikasi ini juga dapat diperoleh model untuk sistem face detection secara langsung.

Pelatihan Model Sistem Face Detection

Jika telah mendapatkan dataset dari aplikasi Roboflow, kita dapat melakukan pelatihan model untuk sistem face detection dengan menggunakan bahasa pemrograman seperti Python. Untuk penulisan script bahasa pemrograman, dapat digunakan aplikasi Visual Studio Code yang memiliki user interface (UI) yang nyaman dilihat sehingga mudah digunakan oleh pemula dalam dunia pemrograman.

Pada aplikasi Python, kita gunakan dataset yang telah dihasilkan dari aplikasi sebelumnya untuk dilakukan pelatihan dengan supervisi. Dataset tersebut dilakukan pelatihan layaknya iterasi yang disebut dengan istilah epoch. Epoch berbeda dengan iterasi, pada epoch terdapat suatu iterasi yang disertai dengan perambatan arah balik. Epoch digunakan pada pelatihan machine learning untuk pembelajaran bagi perangkat. Besarnya epoch disesuaikan dengan kebutuhan sampai menghasilkan kesalahan atau error yang dapat diterima. Jika suatu error dianggap sudah dapat diterima, pelatihan tersebut dapat dihentikan. Penentuan berapa besar epoch untuk suatu pelatihan dari suatu perangkat memerlukan pengalaman. Pada pelatihan dengan supervisi program ini kita dapat menggunakan epoch 1000 kali.

Aplikasi Model Sistem Face Detection

Jika model dari pelatihan telah terbentuk, kita dapat melakukan proses inference atau mengaplikasikan model yang telah terbentuk dari pelatihan untuk memprediksi suatu video atau foto yang terdapat wajah orang yang berada di sekitar kita. Untuk memanggil model yang telah dibentuk tersebut dapat menggunakan Python kembali. Penggunaan aplikasi model tersebut dapat dilakukan menggunakan perangkat video cctv di ruangan, web camera ataupun handphone.

Aplikasi model yang telah terbentuk dapat mendeteksi wajah orang di sekitar kita disertai kotak dan nama pemilik wajah tersebut. Jika database lengkap, setiap wajah orang yang ada di foto atau video dapat dideteksi dengan benar dengan tingkat akurasi yang cukup tinggi. Disinilah peran database yang cukup banyak tersebut diperlukan. Semakin banyak foto dan pose dari setiap wajah, maka deteksi dan tingkat akurasi wajah setiap orang akan semakin tinggi, bahkan jika wajah tersebut ditutupi oleh masker.

Sistem Face Detection Membantu Tugas Manusia

Face Detection menunjukkan kepada dunia bahwa teknologi Artificial Intelligence sudah semakin maju dan berkembang saat ini. Perangkat yang telah dilatih dapat menggantikan tugas deteksi wajah manusia, bahkan terkadang dapat mendeteksi lebih akurat dibandingkan manusia. Akan tetapi perlu disadari bahwa sistem ini dapat mengalami kesalahan dalam mendeteksi wajah seseorang, sehingga diperlukan kehatian-hatian dan supervisi jika sistem ini digunakan untuk akses masuk suatu perangkat atau ruangan tertentu yang memerlukan tingkat keamanan yang tinggi.

Perlu disadari bahwa secanggih apapun Artificial Intelligence dalam berpikir dan berperilaku seperti manusia, terdapat keterbatasan dan tidak dapat seluruhnya menggantikan peran manusia dalam menjalani kehidupan. Hal-hal seperti spiritual, kepemimpinan, empati, etika, kreativitas maupun keterampilan yang dimiliki oleh manusia tidak dapat sepenuhnya dilakukan oleh teknologi Artificial Intelligence. Peran manusia sebagai makhluk yang beragama dan makhluk sosial tentu tidak tergantikan bahkan oleh teknologi secanggih apapun. Oleh karena itu, teknologi Artificial Intelligence ini hanya sebagai alat bantu dalam kehidupan manusia. Kolaborasi antara manusia dengan Artificial Intelligence dapat memudahkan untuk mencapai hasil maupun kinerja yang terbaik dalam berbagai hal, termasuk dalam lingkungan pendidikan maupun dunia usaha/kerja.