SISTEM REKOGNISI WAJAH DENGAN OKLUSI PENGGUNAAN MASKER SECARA REAL TIME 

Penggunaan masker saat ini yang dianggap wajar menyebabkan sulitnya mengenali wajah seseorang di tempat umum sehingga keadaan ini dimanfaatkan oleh suspek untuk berkamuflase agar tidak dikenali identitasnya apalagi masih menggunakan cara konvensional dengan mencocokan data suspek dengan data yang telah disimpan di database sehingga membutuhkan waktu yang cukup lama dan tidak efisien. Tujuan dari penelitian ini adalah untuk mengetahui bagaimana sistem merekognisi wajah dengan oklusi menggunakan masker secara real time dan bagaimana sistem ini bekerja baik dengan oklusi wajah maupun tanpa oklusi wajah. Dalam membuat sistem rekognisi wajah, peneliti menggunakan Faster R CNN (Region Based Convolutional Neural Networks) sebagai sistem pendeteksi dan klasifikasi. Apabila sistem mendeteksi wajah, baik dengan maupun tanpa oklusi, maka output yang diberikan berupa hasil klasifikasi sesuai dengan wajah yang terklasifikasi. Analisis kinerja sistem menggunakan Multi-Class Confusion Matrix dengan ukuran matriks 6x6 sesuai dengan jumlah kelas dalam sistem. Terdapat dua jenis pengujian, yaitu pengujian 1 dengan 345 gambar dan pengujian 2 dilakukan secara real time di ruangan yang telah dikondisikan. Pengujian 1 menghasilkan nilai akurasi sebesar 100%. Pengujian 2 dengan dua skenario berdasarkan dua jarak berbeda yaitu 3 m dan 2 m dengan tujuh kondisi oklusi wajah yaitu tanpa oklusi, oklusi masker KF94 hitam, oklusi masker KF94 putih, oklusi masker duckbill hitam, oklusi masker duckbill putih, oklusi masker reguler hitam, dan oklusi masker reguler putih menghasilkan akurasi berturut-turut yaitu 97,64%, 95,56%, 87,18%, 99,13%, 95,37%, 94,51% dan 97,31% untuk jarak 3 m dan 99,8%, 100%, 99,3%, 99,49%, 99,81%, 99,63% dan 100% untuk 2 m.