1.680 Wajah, Satu Pertanyaan: Apakah Pengenalan Wajah e-pondok Bisa Diandalkan untuk Ribuan Santri?

Beberapa waktu lalu pengguna kami menyampaikan kekhawatiran yang wajar: saat check-in berjalan normal, angka kecocokan yang tampil hanya berkisar 50–60%. Sistemnya tidak gagal; wajah tetap dikenali. Tetapi angkanya terasa rapuh, dan pertanyaan besar yang mengikutinya sederhana: kalau santri di sebuah pondok bukan 50 orang melainkan 500 atau 1.000, apakah sistem masih bisa membedakan satu wajah dari wajah lainnya? Atau akan mulai salah mencatat kehadiran?

Kami tidak mau menjawab dengan “insyaAllah aman”. Jadi kami mengujinya.

Ujiannya: 1.680 identitas, ribuan foto

Kami mengambil kumpulan wajah publik yang foto-fotonya sudah terlabel per orang: total 13.233 foto dari 5.749 orang berbeda, dengan pencahayaan yang bervariasi, sudut wajah menyamping, dan ekspresi yang berubah. Dari situ kami menyusun galeri sebesar pondok besar: 1.680 identitas “santri” sintetis dengan 4.255 sampel wajah terdaftar, lalu menjalankan 1.085 uji check-in. Setiap wajah diuji melawan seluruh galeri sekaligus, seperti kejadian check-in sungguhan.

Skenarionya juga sama seperti kejadian nyata: wajah datang, sistem mencocokkan ke seluruh santri terdaftar, lalu harus memutuskan. Catat otomatis, atau serahkan ke petugas?

Yang kami temukan sebelum perbaikan

Hasilnya jujur saja tidak nyaman dibaca. Dalam kerumunan 1.680 identitas:

• Wajah yang benar hanya menduduki peringkat pertama di 60,5% percobaan. Artinya hampir 4 dari 10 check-in, sistem ragu atau mengarah ke orang yang salah.
• Yang lebih serius: 1 dari 7 pencatatan otomatis adalah orang yang salah. Di pondok dengan ratusan santri, hampir setiap barisan ada satu kasus titip absen digital.

Angka 50–60% yang dikeluhkan pengguna ternyata memang gejala.

Yang kami ubah

Tiga hal, tanpa mengganti perangkat dan tanpa menambah biaya:

1. Sistem kini membaca letak mata, hidung, dan mulut, lalu meluruskan wajah sebelum membandingkannya. Dua foto orang yang sama dengan kepala sedikit miring kini terbaca sebagai wajah yang sama.
2. Satu santri didaftarkan dengan 3 sampel wajah dalam sekali klik. Sistem mencocokkan ke semua sampel, jadi satu foto kurang bagus tidak membuat check-in gagal.
3. Keputusan pencocokan diperketat: kalau dua santri punya skor hampir sama (pikirkan: kembar, saudara), sistem menolak menebak dan menyerahkan ke petugas. Lebih baik petugas menekan satu tombol daripada salah mencatat.

Hasil setelah perbaikan: uji yang sama, diulang dari nol

• Wajah yang benar menduduki peringkat pertama di 97,5% percobaan dari 1.680 kandidat.
• Salah mencatat otomatis turun ke 0,31%, dari sekitar 1 dari 7 menjadi sekitar 1 dari 320.
• Kecepatan justru naik: satu siklus check-in kini selesai di bawah 1,2 detik untuk wajah yang sudah mantap, dan semua pengolahan tetap berjalan di perangkat, tidak mengantre di server.
• Semua pengukuran diulang di peramban sungguhan, termasuk uji bahwa hasil pengenalan identik antar percobaan.

Kami juga mengukur berapa banyak “penantang” yang bisa dikalahkan sistem: kami membandingkan skor wajah asing tertinggi yang berhasil menyusup dengan skor wajah asli. Sebelum perbaikan keduanya saling tumpang tindih. Sesudah perbaikan, keduanya terpisah jauh. Jarak aman inilah kesimpulan terpenting dari seluruh uji ini; angka akurasi hanya ringkasannya.

Catatan untuk pondok yang sudah mendaftarkan santri

Cara sistem membaca wajah kini lebih teliti, sehingga wajah yang didaftarkan sebelum pembaruan sebaiknya didaftarkan ulang sekali saja. Data lama tidak berisiko salah catat: sistem akan memilih untuk tidak mengenali, lalu meminta pendaftaran ulang.

Penutup

Kepercayaan pada sistem absensi dibangun dari hal-hal yang membosankan: uji berulang pada 1.680 identitas, angka yang dipublikasikan, kelemahan yang diakui lalu diperbaiki. Itu yang kami kerjakan bulan ini. Uji ketahanan ini akan kami ulangi setiap kali mesin pengenalan diperbarui, dan angkanya selalu bisa ditanyakan ke kami.