Peneliti Unsri Dr Ahmad Zarkasi Sukses Buat Model Terbarukan Pengenalan Deteksi Pola Wajah

SRIPOKU.COM, PALEMBANG- Dr. Ahmad Zarkasi, peneliti sekaligus dosen di prodi Teknik Komputer Universitas Sriwijaya dalam penelitian yang lakukan beberapa tahun ini berhasil membuat pendekatan baru untuk pengenalan pola wajah.

Dalam penjelasannya di ujian promosi Doktoral di Fakultas Teknik Universitas Sriwijaya hari ini diterangkan tentang proses pengenalan atau deteksi wajah.

Ia mengatakan deteksi wajah adalah proses pencarian secara otomatis untuk mengenali objek wajah manusia, dimana pemrosesan citra gambar dengan teknik tertanam merupakan suatu pendektaan teknik baru.

"Pengembangan model pengenalan pola wajah dengan platform sistem embedded berdasarkan metode WNNs dengan arsitektur khusus, yaitu aritektur Long Short Term-Memory (LSTM) yang akan diimplementasikan pada sistem yang bersifat dinamis" katanya, Kamis (5/1/2023).

Model ini terus mengalami perkembangan ke arah yang lebih baik, untuk memverifikasi dan identifikasi individu.

"Proses tersebut menghasilkan komputasi yang besar, sehingga proses pengenalan objeknya lebih komplek," ungkap Zarkasi.

Banyak literatur hasil penelitian yang pengembangan pengenalan wajah secara parsial, tetapi hanya sebagian dari hasil penelitian yang menganalisa dalam hal kesalahan dan akurasi.

Dr. Ahmad Zarkasi lebih lanjut menjelaskan tentang pemilihan metode dan algoritma akan sangat berpengaruh pada hasil yang diharapkan.

" Metode WNNs sangat sesuai dengan platform sistem embedded, karena proses learning data tepat pada memori RAM," terangnya.

Pada arsitektur ini, sel-sel memori dapat mempertahankan kondisi data, mengatur arus informasi, meningkatkan efisiensi dan akurasi datanya.

Kekinian dari penelitian beliau pada teknik yang dikembangkan untuk sistem yang memilki keterbatasan sumberdaya (perangkat lunak dan perangkat keras).

Metode weightless neural networks (WNNs) dengan teknik pengenalan pola AWilkes, Stonham dan Aleksander Recognition Device (WiSARD) sangat sesuai jika digunakan pada platform sistem tertanam, dengan kinerja yang baik dan komputasi yang terbatas.

Dalam penelitian ini, mikrokontrole MEGA256, digunakan sebagai pusat pemrosesan WNN-FRA. Mulai dari pembuatan library dataset pola ciri wajah, penerima data pola masukkan, proses learning, menghitung tingkat akurasi kemiripan pola, hingga menghitung waktu eksekusi dari setiap pola pengenalan polanya.

"Hasil dari pengujian diperoleh tingkat akurasi algortima arsitektur LSTM, memiliki nilai akurasi tertinggi dibandingkan dengan algortima pengenalan lainnya, untuk semua posisi pola" ujar Zarkasi.

Perbandingan aritektur LSTM dengan beberapa metode lain. Dengan demikian algortima pengenalan pola arsitektur LSTM menjadi algoritma terbaik untuk pola yang diteliti dalam penelitian ini, hal ini disebabkan adanya iterasi pengecekan (update data) terhadap pola-pola pengujiannya.