1

BAB I
PENDAHULUAN

1.1. Latar Belakang

Perkembangan teknologi saat ini hampir tidak dapat dibendung lagi. Salah satu
diantara teknologi yang berkembang dengan pesat tersebut ialah telepon seluler
pintar (ponsel pintar). Perkembangan teknologi ponsel pintar tersebut juga diiringi
dengan kepemilikannya yang tinggi di Indonesia. Pada tahun 2019 BPS mencatat
ada sebanyak 63,53% rumah tangga di Indonesia yang sudah memiliki ponsel [1].
Jumlah ponsel tersebut tidak terbatas hanya dimiliki oleh orang dewasa saja,
namun sangat dimungkinkan juga dimiliki dan digunakan oleh anak-anak
terutama untuk bermain gim. Hal ini terlihat dari survei yang dilakukan oleh
Kominfo pada tahun 2017 yang menunjukkan sebanyak 65,34% responden
berumur 9-19 tahun sudah memiliki ponsel pintar [2].

Gim-gim yang beredar di toko aplikasi biasanya sudah memiliki rating yang
berguna sebagai peringatan siapa saja yang boleh memainkan gim-gim tersebut.
Di Indonesia terdapat lembaga IGRS (Indonesia Game Rating System) sebagai
lembaga pengatur standar penggolongan gim yang beredar di Indonesia. Sesuai
dengan Peraturan Menteri Komunikasi dan Informatika No. 11 tahun 2016,
lembaga tersebut membagi rating ke dalam 5 kategori, yaitu [3]: kelompok 3
tahun atau lebih (3+), kelompok 7 tahun atau lebih (7+), kelompok 13 tahun atau
lebih (13+), kelompok 18 tahun atau lebih (18+) dan kelompok semua umur.
Kemudian di setiap kategori umur memiliki tingkatan kebolehterlihatan unsur
kekerasan, darah, senjata asli, rokok dan unsur-unsur negatif lainnya yang
berbeda-beda.

Apabila pengawasan orang tua rendah, anak-anak dapat mengunduh dan

memainkan gim yang diperuntukkan pengguna di atas 18 tahun yang biasanya
memiliki unsur kekerasan yang paling tinggi. Hal ini dapat menimbulkan dampak
buruk pada anak di kemudian hari. Pada penelitian mengenai dampak bermain
gim kekerasan pada anak usia sekolah yang dilakukan pada tahun 2019,
 2

disimpulkan bahwa anak-anak yang bermain gim bertema kekerasan akan lebih
bersikap agresif dan juga sulit membedakan mana fantasi dan kekerasan
sebenarnya [4] . Selain itu pada sebuah penelitian awalan yang meneliti aktivitas
otak pada anak-anak ketika bermain gim kekerasan, ditemukan kemungkinan anak
mengalami beban mental dan kondisi stres pada saat bermain gim bertema
kekerasan tersebut [5].

Berdasarkan permasalahan di atas, untuk membantu orang tua untuk mencegah

anak-anaknya bermain gim yang tidak sesuai peruntukkan umurnya, maka pada
penelitian ini akan dikembangkan aplikasi untuk melakukan verifikasi umur
pengguna gim dengan mengklasifikasikan rentang umur pengguna gim melalui
citra wajahnya.

Aplikasi yang disebutkan di atas dirancang agar bekerja layaknya pengunci gim
yang akan dimainkan. Gim tidak akan dapat dimainkan apabila pengguna
terklasifikasi berumur di bawah 18 tahun. Proses klasifikasi rentang umur
pengguna pada aplikasi yang akan dikembangkan tersebut menggunakan
pendekatan pembelajaran mesin dan ekstrasi fitur pada citra wajah yang ditangkap
oleh kamera depan ponsel.

Pada lima tahun terakhir ini sudah banyak penelitian mengenai klasifikasi umur
melalui citra wajah dengan berbagai metode pembelajaran mesin. Beberapa
diantaranya yaitu: klasifikasi rentang umur dengan ekstrasi fitur menggunakan
Central Pixel Flooding Matrix pada citra wajah [6] , klasifikasi rentang umur
dengan menggunakan ekstrasi fitur DCT dari citra wajah [7] , klasifikasi
menggunakan K-NN rentang umur berdasarkan analisis dimensi Fraktal Box dari
ekstrasi Tepi Canny pada citra wajah [8] , klasifikasi rentang umur dengan
menggunakan 6-Layer Convolutional Neural Network (CNN), Restnet-18 dan
Restnet-34 [9] dan klasifikasi rentang umur menggunakan K-NN dengan teknik
ekstrasi fitur Local Gabour Binary Patern Histogram [10].

Perkembangan teknologi implementasi model pembelajaran mesin saat ini sudah

mencapai pengimplementasian langsung pada perangkat berspesifikasi rendah
seperti ponsel pintar (on-device machine learning). Beberapa kelebihan dari on-
 3

device machine learning dibandingkan cloud-base machine learning diantaranya:

tidak perlu mempermasalahkan latensi jaringan karena tidak ada data yang dikirim
atau diterima oleh server, tidak adanya data personal seperti foto wajah yang
dikirim keluar perangkat dan dapat melakukan inferensi di manapun tanpa
koneksi internet [11]. Salah satu kakas yang dapat digunakan untuk implementasi
on-device machine learning adalah TensorFlow Lite.

Berdasarkan kelebihan dari on-device machine learning di atas dan sudah pernah
adanya penelitian terkait klasifikasi rentang umur menggunakan Convolutional
Neural Network (CNN) yang telah berhasil dilakukan, maka proses verifikasi
rentang umur pada aplikasi yang dikembangkan akan menggunakan pendekatan
pembelajaran mesin Convolutional Neural Network (CNN) dan
diimplementasikan dengan kakas Tensorflow Lite.

1.2. Rumusan Masalah

Rumusan masalah pada penelitian ini diantaranya, yaitu:

1. Bagaimana membangun model klasifikasi rentang umur berdasarkan citra

area wajah menggunakan Convlutional Neural Network (CNN)?

2. Bagaimana mengimplementasikan model yang telah dibangun pada aplikasi

berbasis android untuk melakukan verifikasi rentang umur secara langsung
dengan memanfaatkan CPU ponsel?

3. Seberapa baik aplikasi yang dikembangkan dalam menentukan rentang umur

pengguna gim?

1.3. Tujuan Penelitian

Tujuan pada penelitian ini diantaranya, yaitu:

1. Membangun model CNN untuk klasifikasi rentang umur berdasarkan citra

area wajah dengan menggunakan Keras dan TensorFlow.

2. Mengimplementasikan model klasifikasi pada aplikasi berbasis Android

menggunakan Tensorflow Lite.

3. Menguji accuracy, precision dan recall aplikasi yang dikembangkan dalam

menentukan rentang umur pengguna gim.
 4

1.4. Batasan Masalah

Batasan masalah pada penelitian ini diantaranya, yaitu:

1. Klasifikasi hanya pada dua rentang umur, yaitu atas 18 tahun dan bawah 18
tahun.

2. Model pembelajaran mesin yang dikembangkan hanya model klasifikasi

umur menggunakan CNN.

3. Klasifikasi tidak termasuk pada objek wajah yang tertutupi oleh masker dan
kacamata.

4. Aplikasi telah memiliki izin kamera dan akses status pengguna (usage stats).

5. Basis data package gim di atas 18 tahun yang digunakan pada aplikasi
bersifat statis dan data gim hanya berasal dari situs Indonesian Game Rating
System (IGRS).

6. Aplikasi berjalan pada sistem operasi Android minimal versi Q (10).

1.5. Manfaat Penelitian

Hasil dari penelitian yang dilakukan berupa aplikasi yang diharapkan dapat
menjadi solusi untuk dapat menghindari pengguna yang belum cukup umur
memainkan gim yang tergolong untuk pengguna 18 tahun ke atas.

1.6. Sistematika Penelitian

Dalam penulisan laporan tugas akhir ini, sistematika penulisan yang digunakan
oleh penulis terbagi menjadi beberapa bab sebagai berikut:

a. BAB I PENDAHULUAN

Bab ini berisikan latar belakang, rumusan masalah, tujuan penelitian, batasan
masalah, manfaat penelitian dan sistematika penulisan yang penulis gunakan
dalam pembuatan laporan tugas akhir.

b. BAB II STUDI LITERATUR

Bab ini berisikan tinjauan pustaka dari penelitian terkait yang telah ada
sebelumnya dan teori-teori yang memiliki keterkaitan dengan topik penelitian
 5

yang dijadikan sebagai dasar pemikiran dalam setiap tahapan-tahapan lainnya

dalam penelitian.

c. BAB III METODOLOGI PENELITIAN

Bab ini berisikan tahapan-tahapan yang dilakukan oleh penulis dalam membangun
model klasifikasi menggunakan arsitektur Convolutional Neural Network CNN
pada tugas klasifikasi rentang umur pada citra wajah dan tahapan
pengimplementasian model tersebut ke dalam aplikasi yang berfungsi untuk
memverifikasi umur pengguna gim.

d. BAB IV HASIL DAN PEMBAHASAN

Bab ini berisikan hasil yang didapatkan dari penelitian beserta pembahasannya.

e. BAB V KESIMPULAN DAN SARAN

Bab ini berisikan kesimpulan dan saran yang didapatkan dari hasil penelitian yang
telah dilakukan.