TAKE HOME TEST

STRATEGI TEKNOLOGI TERKINI

Dosen Pengampu : Lathifah Arief, MT

Oleh :

1411511001 - Nagina Kinasih Kencana

1411511025 Yona Vidiana
1411511028 Lusi Yulianti
1411512017 Hartono

JURUSAN SISTEM KOMPUTER

FAKULTAS TEKNOLOGI INFORMASI
UNIVERSITAS ANDALAS
PADANG
2017
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Manusia memiliki kemampuan untuk mengenal puluhan bahkan ratusan wajah selama
hidupnya. Seseorang dapat mengenali wajah orang lain meskipun tidak beberapa waktu
lamanya dan sudah terdapat perubahan pada wajah orang yang dikenal tersebut.
Perubahan itu misalnya variasi ekspresi wajah, penggunaan kacamata, perubahan warna
dan gaya rambut.

Salah satu teknik biometric yang sangat menarik adalah aplikasi yang mampu mendeteksi
dan mengidentifikasi wajah. Saat ini, pengenalan wajah melalui aplikasi komputer
dibutuhkan untuk mengatasi berbagai masalah, antara lain dalam identifikasi pelaku
kejahatan, pengembangan sistem keamanan, pemrosesan citra maupun film, dan interaksi
manusia komputer.

Face recognition adalah salah satu tehnik biometric yang memungkinkan komputer atau
mesin authentik untuk mengenal wajah manusia. Salah satu aplikasi dari pengenalan
wajah adalah pengenalan banyak wajah, yaitu pengenalan wajah dari suatu citra yang
terdiri dari banyak wajah. Untuk membedakan beberapa wajah manusia dalam suatu citra
sangat sulit bagi sistem pengenalan wajah. Selain itu juga terdapat beberapa masalah
Pada sistem pengenalan wajah otomatis, yaitu ekspresi wajah, iluminasi atau
pencahayaan dan jarak. Sistem pengenalan banyak wajah merupakan salah satu solusi
dari permasalahan ini.

Multi face recognition mengambil karakteristik alami yang ada pada tiaptiap wajah
untuk dikenali. Ada tiga tahap untuk melakukan face recognition, yaitu deteksi wajah,
ekstraksi ciri dan klasifikasi. Deteksi wajah adalah suatu langkah dalam face recognition
untuk menemukan posisi wajah dari sebuah citra yang akan di ekstraksi selanjutnya.
Ekstraksi ciri adalah langkah untuk menentukan karakteristik alami dari suatu wajah
yang selanjutnya akan diklasifikasi atau dikenali. Banyak metode yang bisa digunakan
untuk mengambil karakteristik dari manusia, salah satunya adalah CFLDA (complete
fuzzy fisher linear discriminant). CFLDA adalah suatu pendekatan statistik yang
memberlakukan properti statistik yang berbeda untuk tiap objeknya, jadi setiap objek
 yang sama dimasukkan pada kelas yang sama dan untuk objek yang berbeda dimasukkan
dalam kelas yang berbeda. Sehingga CFLDA merupakan sistem yang sangat handal
untuk ekstraksi ciri dengan berbagai pose, dan iluminasi yang berbeda.Selanjutnya ciri
akan diekstraksi lagi dengan algoritma fuzzy.

Sistem pengenalan wajah (Face Recognition) telah banyak diaplikasikan dengan

menggunakan berbagai metode, diantaranya: Metode PCA, Metode ICA, Metode LDA,
Metode EP, Metode EBGM, Metode Kernel, Metode 3-D Morphable model, Metode 3-
D Face Recognition, Metode Bayesian Framework, Metode SVM, Metode HMM .

1.2 Rumusan Masalah

Penulis telah menyusun beberapa masalah yang akan dibahas dalam makalah ini sebagai
batasan dalam pembahasan bab isi. Beberapa masalah tersebut antara lain:
1. Apa itu teknologi face recognition?
2. Bagaimana sistem kerja teknologi face recognition?
3. Di bidang mana sajakah teknologi face recognition diterapkan?
4. Apa dampak sosial-ekonomi-budaya dengan munculnya teknologi face
recognition?

1.3 Tujuan
Sebagaimana yang telah di uraikan sebelumnya, berdasarkan latar belakang dan
rumusan masalah diatas maka tujuan penulisan makalah ini yaitu:
1. Mengenal teknologi face recognition.
2. Mengetahui sistem kerja face recognition.
3. Mengetahui penerapan dari teknologi face recognition
4. Mengetahui dampak sosial-ekonomi-budaya akibat kemunculan teknologi face
recognition.
 BAB II
PEMBAHASAN

2.1 Teknologi Face Recognition

Face recognation adalah teknologi komputer untuk menentukan lokasi wajah, ukuran
wajah, deteksi fitur wajah dan pengabaian citra latar, selanjutnya dilakukan identifikasi
citra wajah. Pengenalan wajah melibatkan banyak variabel, misalnya citra sumber, citra
hasil pengolahan citra, citra hasil ekstraksi dan data profil seseorang. Dibutuhkan juga
alat pengindera berupa sensor kamera dan metode untuk menentukan apakah citra yang
ditangkap oleh webcam tergolong wajah manusia atau bukan, sekaligus untuk
menentukan informasi profil yang sesuai dengan citra wajah yang dimaksud.

Face recognition adalah teknologi dari komputer yang memungkinkan kita untuk
mengidentifikasi atau memverifikasi wajah seseorang melalui sebuah gambar digital.
Caranya ialah dengan mencocokkan tekstur lekuk wajah kita dengan data wajah yang
tersimpan di database. Misalnya mencocokkan lekuk hidung, mata, dagu dsb.

Face perception a.k.a face recognition adalah proses mengenali wajah dimana otak dan
pikiran berusaha menginterpretasi (memahami dan menafsirkan) wajah yang ada di
hadapannya, terutama wajah manusia. Proporsi dan ekspresi wajah manusia dinilai
penting untuk identifikasi awal mengenai kecenderungan emosional, kualitas kesehatan,
ataupun beberapa informasi sosial. Namun walaupun belum ada bukti nyata mengenai
keterampilan pengenalan wajah ini, kita bisa melihat adanya kecenderungan bawaan
lahir dari bayi untuk memperhatikan wajah orang-orang penting di sekitarnya. Awal
pengalaman bayi terkait dengan perkembangan persepsi visual dan komunikasi pra-
verbal, yang hingga saat ini baru terbuktikan dengan adanya aktivitas otak di area
tertentu. Aktivitas ini semakin kompleks seiring dengan pertambahan usia si bayi.
Berikutnya, bayi yang berkembang menjadi manusia dewasa ini menjadi terbiasa dengan
[menilai] wajah dalam interaksi sosial, meski persepsi kompleks terhadap ekspresi wajah
yang melibatkan beberapa area di otak sekaligus ini seringkali tidak tepat, karena hanya
menilai berdasarkan pola wajah umum yang biasa dihadapinya. Selain masalah
generalisasi persepsi tersebut, adakalanya otak pun mengalami gangguan tertentu dalam
memahami bahasa wajah (orprosopagnosia).
2.2 Cara Kerja Face Recognition
Algoritma yang digunakan untuk melakukan tracking posisi wajah adalah algoritma
CamShift yang menggunakan faktor warna sebagai dasar pelacakannya. Setelah objek
wajah dapat di-track dan dideteksi dengan jelas, baru kemudian dilakukan proses
pengenalan wajah dengan menggunakan algoritma tertentu. Sistem pengenalan wajah
(Face Recognition) telah banyak diaplikasikan dengan menggunakan berbagai metode,
diantaranya: Metode PCA, Metode ICA, Metode LDA, Metode EP, Metode EBGM,
Metode Kernel, Metode 3-D Morphable model, Metode 3-D Face Recognition, Metode
Bayesian Framework, Metode SVM, Metode HMM .

Metode pengenalan wajah yang tersusun tiga bagian: face detection, feature extraction
dan face recognition.

Ciri-ciri pengenalan citra wajah 3 dimensi, pertama harus mengambil pertimbangan

bentuk dengan bentuk frontal (dari garis depan) untuk dinormalisasi. Selanjutnya titik-
titik khusus pada wajah seperti hidung, mata, dan mulut dideteksi. Kedalaman hidung,
luas hidung dan volume hidung dihitung berdasarkan longitudinal section dan
transection. Interval mata dan kedalaman mulut juga dihitung. Akhirnya wajah dibagi-
bagi menjadi 12 bagian. L1 ditentukan untuk membandingkan 2 feature vektor yang
digunakan, karena sederhana dan konsisten. Hasil dari eksperimen, metoda yang
diajukan dapat mengenali sampai 95,5 % untuk longitudinal section dan transection.
1. Algoritma CamShift
CamShift adalah singkatan dari Continuously Adaptive Mean Shift, yang
merupakan pengembangan dari algoritma Mean Shift yang dilakukan secara terus
menerus (berulang) untuk melakukan adaptasi atau penyesuaian terhadap distribusi
probabilitas warna yang selalu berubah tiap pergantian frame dari video sequence.
Langkah-langkah dari algoritma Mean Shift adalah sebagai berikut:
1) Ukuran search window yang sudah ditentukan.
2) Lokasi awal search window yang sudah ditentukan.
 3) Hitung daerah mean dalam search window.
4) Posisikan search window ke tengah daerah mean seperti dihitung pada step
(3). Ulangi step (3) dan (4) hingga konvergen (atau hingga pergeseran daerah
mean kurang dari threshold / batas yang ditentukan).

Sedangkan langkah-langkah dari algoritma CamShift adalah sebagai berikut:

1) Tentukan ukuran awal search window.
2) Tentukan lokasi awal dari search window.
3) Tentukan daerah kalkulasi (calculation region) pada bagian tengah search
window dengan ukuran lebih besar dari search window.
4) Frame citra video dikonversi ke dalam sistem warna HSV (Hue, Saturation,
Value), dan dilakukan color histogram lookup dalam calculation region yang
akan menghasilkan citra distribusi probabilitas warna kulit.
5) Lakukan algoritma Mean Shift seperti di atas (satu atau banyak iterasi)
dengan input berupa ukuran dan lokasi search window serta citra distribusi
probabilitas warna, simpan zeroth moment.
6) Set nilai x, y, z, dan head roll yang diperoleh dari step (5).
7) Nilai x, y dipakai untuk set titik tengah search window, (2*area21)

2.3 Penerapan Teknologi Face Recognition

Teknologi face recognition masih banyak menjadi bahan penelitian untuk bisa terus
dikembangkan akan tetapi sudah banyak sistem yang menerapkan teknologi ini,
kebanyakkan teknologi ini diterapkan dalam bidang sistem keamanan suatu perangkat.
Akan tetapi ada juga yang menerapkan sistem ini sebagai autentikasi dalam melakukan
voting online, dan yang sedang marak adalah perusahan smartphone Apple,
mengeluarkan smartphone terbarunya iPhone X dengan sistem keamanan yang
menggunakan teknologi face recognation, mereka mengklaim bahwa sistem keamanan
dengan face recognition ini tidak akan bisa ditembus.

2.4 Pro-kontra Teknologi Face Recognition

Teknologi face recognition yang bisa dikatakan merupakan teknologi yang masih baru
ini mengundang banyak pro-kontra mengenai teknologi ini bila diterapkan kedalam
sistem autentikasi suatu perangkat. Dengan tingkat keamanan yang dibilang tinggi bukan
bearti tidak ada celah untuk masuk secara illegal, banyak orang yang telah mencoba
menembus sistem keamanan yang menggunakan teknologi face recognition ini, dengan
berbagai cara dan ada yang berhasil. Seperti membuat topeng muka pengguna lalu
mencoba melakukan scan, dan cara tersebut berhasil untuk melewati sistem keamanan
tersebut.

Akan tetapi tentu cara tersebut tidak akan mudah dilakukan oleh pihak ketiga yang ingin
menembus sistem keamanan tersebut. sehingga banyak orang yang tetap mempercayai
sistem face recognation ini merupakan sistem keamanan yang memiliki tingkat
keamanan paling tinggi.

Ada beberapa tanggapan terhadap teknologi face recognition ada yang mendukung dan
ada yang menolak:

1. Teknologi facial recognition memiliki konsekuensi yang dapat membuat pengguna

kehilangan privasi dalam skala kecil hingga global. Privasi yang pengguna miliki
bisa saja diinterupsi misalnya saja oleh pemerintah dengan teknologi facial
recognition.

Contohnya : FBI sejak 2011 secara resmi menggunakan Next Generation

Identification-Interstate Photo System (NGI-IPS) sebuah kumpulan informasi yang
memuat foto dari orang-orang yang dianggap kriminal atau bersalah. American
Government Accountability Office (AGAO) menemukan fakta mengejutkan
terkait NGI-IPS FBI. Dikarenkaan menemukan 412 juta foto, termasuk di
antaranya orang-orang yang bahkan tidak pernah menjadi target dari investigasi.
FBI memiliki unit khusus yang bertugas untuk menangani Facial Analysis,
Comparison and Evaluation ( FACE ). FACE menjadi unit yang bekerja untuk
mengumpulkan, menganalisis dan membandingkan wajah buronan atau tersangka
kriminal yang seharusnya menjadi target investigasi.

Teknologi facial recognition yang dimiliki FBI ternyata bisa secara rasial dan
hanya memiliki akurasi sebesar 80 hingga 85 persen saja. Hal ini tentunya dapat
mendorong kesalahan dalam proses identifikasi wajah menggunakan facial
recognition. Orang-orang yang terlibat dalam penggunaan sistem ini bisa saja salah
atau menyalahgunakan teknologi pengenal wajah ini.
 Hal ini pernah terjadi di San Diego. Seperti yang dilansir dari The New York
Times, seorang polisi salah mengidentifikasi Aaro Harvey yang dikiranya
tersangka kriminal menggunakan teknologi facial recognition. Hal ini menjadi
gambaran bahwa penggunaan teknologi facial recognition bisa saja mendorong
adanya salah sasaran penindakan dan, lebih buruk lagi, penyalahgunaan dari pihak
penegak hukum.

2. Dalam kehidupan sehari-hari privasi yang pengguna miliki bisa terlanggar oleh
teknologi facial recognition. Informasi pribadi yang pengguna miliki bisa dengan
mudah diakses oleh orang lain hanya dengan menggunakan wajah pengguna.

Contohnya saja setiap pengguna melakukan percakapan dengan orang yang tak
dikenal, headset Google Glass-pengguna akan mengambil foto lawan bicara dan
menggunakannya untuk mengecek informasi yang berkaitan dengan lawan bicara
tersebut. Teknologi tersebut bermaksud memberikan informasi sebanyak-
banyaknya tentang siapa lawan biacara pengguna. Permasalahannya teknologi ini
mengambil foto tanpa diketahui oleh lawan bicara tetapi tidak semua lawan bicara
setuju foto dirinya diambil tanpa pemberitahuan. Karena adanya lawan bicara yang
ingin menjaga privasinya. Google akhirnya mengurungkan niatnya untuk
mendistribusikan aplikasi facial recognition dalam platformnya.

3. Facebook sebagai salah satu media sosial yang banyak digunakan masyarakat juga
telah menggunakan teknologi facial recognition sebagai fiturnya. Gagasan untuk
mempermudah akses informasi orang lain melalui pengenalan wajah ini pun tak
sepenuhnya disetujui oleh semua pihak. Senator Amerika Serikat, Al Franken,
telah menyuarakan penolakannya terhadap aplikasi yang menggunakan facial
recognition untuk mengidentifikasi orang asing.

Dalam surat penolakannya terhadap teknologi facial recognition, Franken

menyatakan: Tidak seperti teknologi identifikasi biometrik seperti scan iris mata
atau fingerprint, facial recognition didesain untuk beroperasi dari jarak jauh, tanpa
sepengetahuan ataupun consent dari orang yang diidentifikasi. Individu tidak dapat
 mencegah dirinya dari upaya identifikasi yang berasal darimana-mana dan
terhubung ke orang asing, tulisnya seperti dikutip dari The Guardian.

4. Adanya teknologi facial recognition memudahkan para peretas maupun penjahat

lainnya untuk mendapat akses menuju informasi pribadi milik pengguna. Para
penjahat juga dengan mudah dapat menguntit atau bahkan mencuri informasi
maupun identitas pribadi pengguna secara mudah dengan menggunakan foto wajah
pengguna.

Contohnya, ketika pengguna disandera oleh penjahat, penjahat dengan mudah

dapat membuka kunci handphone pengguna dengan mengarahkan wajah pengguna
ke layar handphone.

5. Awal September lalu, dua orang peneliti asal Stanford University, Michal Kosinski
dan Yilun Wang, merilis hasil studi mereka di Journal of Personality and Social
Psychology. Penelitian itu mengemukakan bahwa teknologi facial
recognition dapat memprediksi orientasi seksual seseorang hanya melalui
pemindaian sebuah foto.

Teknologi facial recognition dapat memprediksi orientasi seksual seorang laki-laki

dengan tingkat akurasi mencapai 81 persen. Sementara, tingkat keberhasilan
pemindaian orientasi seksual lewat sebuah foto itu hanya akan mencapai 71 persen
untuk kalangan perempuan.

Mereka mengklaim tingkat akurasi ini jauh mengungguli prediksi yang dapat
dilakukan manusia. Tingkat akurasi seseorang dalam menilai orientasi seksual laki-
laki hanya mencapai 61 persen, sementara terhadap perempuan hanya 54 persen.

Para peneliti ini mengungkap, bahwa bentuk muka, ekspresi, dan dandanan adalah
elemen-elemen yang kredibel untuk menentukan orientasi seksual seseorang:
apakah orang itu gay atau hetero.
 Teknologi facial recognition dapat digunakan oleh pemerintah, ormas keagamaan,
sampai kalangan perusahaan. Teknologi itu akan sangat berguna untuk memindai
orientasi seksual, pandangan politik, sampai kecenderungan kriminal.

6. Teknologi facial recognition mengungkap pelaku kasus kriminal pelaku kejahatan

banyak yang berhasil dideteksi memanfaatkan software facial recognition dengan
database wajah penduduk. Meski begitu, teknologi ini masih sulit digunakan untuk
memproses gambar jarak jauh. Dengan resolusi kamera yang semakin tinggi, tentu
face recognition berpotensi dimanfaatkan pada pelacakan pelaku kasus kriminal.

7. Full Body Recognition selain berfungsi untuk pengungkapan pelaku kasus

kriminal, facial recognition system ternyata juga dapat digunakan untuk full body
recognition, sistem pengenalan manusia berdasarkan bagian tubuh. Metode ini
membantu mengenali orang tertentu, meski telah berganti identitas.

8. Pengganti password pada perangkat elektronik, jika sekarang sudah ada fingerprint
lock, mungkin sebentar lagi akan ada face lock. Google telah mematenkan
teknologi security dengan ekspresi unik seperti senyum, duckface, atau
menjulurkan lidah, yang dapat membuka kunci dari perangkat elektronik.

2.5 Pengaruh Teknologi Face Recognition Terhadap Sosial-Ekonomi-Budaya

Facial recognition system ini muncul dan diterapkan pada teknologi terbaru. Namun
setiap kemajuan tentu memiliki konsekuensi. Meski memudahkan aktivitas,
meningkatkan trend, dan berpotensi meningkatkan produktivitas, facial recognition
system tentu masih perlu dikaji pengaruhnya.
1. Munculnya teknologi baru akan memberi dampak pada ekonomi perusahaan.
Dimana perusahan yang memiliki teknologi sebelumnya akan mengalami
penurunan karena teknologinya akan hilang ditelan waktu dan perubahan. Hal ini
disebabkan perkembangan teknologi semakin pesat. Dan terpaksa perusahaan
tersebut mengirim teknologinya ke pedesaan dikarenakan perkembangan teknologi
di pedesaan lambat dibandingkan perkotaan.
2. Meningkatnya persaingan antar perusahaan dikarenakan teknologi face recognition
banyak diminati pengguna dikarenakan pengguna tidak sulit membuka password,
hanya dengan menghadapkan wajah ke layar password akan terbuka.

3. Facial recognition didesain untuk beroperasi dari jarak jauh, tanpa sepengetahuan
ataupun dari pihak yang diidentifikasi. Individu tidak dapat mencegah dirinya dari
upaya identifikasi yang berasal darimana-mana dan terhubung ke orang asing. Ini
sangat melanggar privacy seseorang.
 BAB III
PENUTUP

3.1 Kesimpulan
Trend teknologi face recognition memenuhi kebutuhan pengguna dalam segi
kemudahan. Karena pengguna tidak perlu lagi membuka password dengan menggunakan
PIN dan Pola, cukup dengan mengarahkan wajah ke layar maka password akan terbuka.
Tetapi kemudahan ini juga memiliki konsekuensinya tersendiri. Teknologi berkembang
ke arah yang baik atau buruk itu tergantung dari segi pemanfaatannya.
 DAFTAR PUSTAKA

Bayu, Setya.Penerapan Face Recognition Dengan Metode Eigenface Dalam Intelligent

Home Security.

Pawle, Akshay A. Face Recognition System (FRS) on Cloud Computing for User
Authentication. International Journal of Soft Computing and Engineering (IJSCE)
ISSN: 2231-2307, Volume-3, Issue-4, September 2013

Sayad, Noha E. El.Face Recognition as an Authentication Technique in Electronic

Voting. (IJACSA) International Journal of Advanced Computer Science and
Applications, Vol. 4 No. 6, 2013

Sepritahara.Sistem Pengenalan Wajah (Face Recognition) Menggunakan Metode

Hidden Markov Model (HMM)

Suprianto, Dodit.Sistem Pengenalan Wajah Secara Real-Time Dengan Adaboost,

Eigenface PCA & Mysql Jurnal EECCIS Vol. 7 No. 2, Desember 2013

Kumparan.2017.Animoji Karaoke, Gaya Komunikasi Baru dari Facial Recognition

dalam https://kumparan.com/@kumparantech/animoji-karaoke-gaya-komunikasi-
baru-dari-facial-recognition. Diakses pada hari Jumat pukul 22:54 WIB.

Kumparan.2017.Facial Recognition: Kemajuan Teknologi versus Privasi dalam

https://kumparan.com/@kumparantech/facial-recognition-kemajuan-teknologi-
versus-privasi. Diakses pada hari Jumat pukul 22:56 WIB.

Kumparan.2017. Membayangkan Hidup dengan Teknologi Facial Recognition dalam

https://kumparan.com/@kumparantech/membayangkan-hidup-dengan-teknologi-
face-recognition. Diakses pada hari Jumat pukul 22:58 WIB.
 ANGGOTA KELOMPOK & PEMBAGIAN KERJA

Hartono : BAB I dan BAB II ( Cara Kerja Teknologi Face Recognation )

Nagina Kinasih Kencana : BAB II ( Pro-kontra Teknologi Face Recognition ) dan BAB III
Yona Vidiana : BAB II ( Pengertian Teknologi Face Recognition )
Lusi Yulianti : BAB II ( Penerapan & Pengaruh Teknologi Face Recognation )