Citra visual berperan makin dominan dalam berbagai aspek pada era digital ini. Dari pengenalan wajah di smartphone hingga kendaraan otonom, teknologi image processing dan computer vision menjadi fondasi utama “memahami dunia” melalui gambar.
Salah satu peneliti sekaligus dosen Fasilkom UI yang mendalami bidang ini sejak masa kuliahnya adalah Laksmita Rahadianti.
Ia mengakui ketertarikannya pada image processing dan computer vision berawal dari keterlibatannya dalam penelitian ketika menempuh studi S1.
“Awalnya mungkin bisa dikatakan ‘tercebur’ karena terlibat di riset terkait image processing saat S1. Selanjutnya, setelah lulus dan bekerja dengan Prof Aniati Murni dan Hisar Maruli Manurung PhD sebagai research assistant, saya diperkenalkan dengan bagaimana image itu dapat mengandung banyak sekali informasi,” ujarnya.
Pengalaman ini berlanjut hingga Laksmita merealisasikan niatnya untuk melanjutkan studi S2 dan S3 dengan meneliti topik-topik yang sama. Baginya, data berbentuk image sangat menarik karena bisa divisualisasikan dan dipahami semua orang, tetapi sekaligus menantang karena banyaknya informasi di dalamnya.
Secara sederhana, computer vision menggunakan teknik image processing untuk mengekstraksi informasi dari gambar. Adapun computer vision bertujuan membuat komputer mampu memahami dan menafsirkan gambar seperti manusia.
“Ketika seorang manusia menggunakan mata untuk melihat citra 2D, secara langsung dia bisa memahami informasi 3D yang ada di dalamnya, walau image-nya hanya bersifat 2D. Misalnya, manusia dapat memahami bahwa orang ada di depan mobil, bahwa gedung berderet ke belakang, bahwa ada garis horizon,” jelasnya.
Dalam dunia industri, saat ini aplikasi computer vision semakin berkembang, mulai dari verifikasi identitas hingga pengembangan kendaraan pintar. Namun, ada tantangan besar dalam penerapannya, yaitu kualitas gambar.
“Kebanyakan aplikasi computer vision akan berasumsi bahwa image yang diambil adalah image yang kualitasnya baik dan tidak ada gangguan, seperti hujan, asap, dan air. Riset saya spesifik meng-address kondisi kurang ideal itu,” kata Laksmita.
Saat ini salah satu yang ia fokuskan ialah restorasi citra, yaitu teknik untuk memperbaiki gambar yang buruk atau terdegradasi ke bentuk yang berkualitas baik.
Tantangan lain
Tantangan lainnya dalam penelitian di bidang computer vision dan image processing adalah kecepatan dan banyaknya perkembangan teknologi ini dan ketersediaan data.
“Hal ini membuat kita berkejaran dengan perkembangan terbaru, serta tetap melakukan rigor riset yang benar. Adapun data itu banyak kendalanya untuk diperoleh, misalnya etika pada data medis, ketidaktersediaan gambar. Plus, image itu adalah data yang sangat besar/berat, sehingga semakin sulit diperoleh,” ungkapnya.
Laksmita juga menekankan bahwa orang-orang yang mengembangkan teknologi ini perlu memiliki mindset yang menjadikannya sebagai pendukung manusia, bukan pengganti.
“Tidak akan pernah tercipta aplikasi computer vision yang benar-benar tanpa error. Oleh karena itu, menurut saya dalam pembuatan aplikasi computer vision untuk apa pun, kita perlu merancangnya bukan dengan mindset ‘menggantikan’ manusia, melainkan sebagai ‘pendukung’ untuk aplikasi yang sifatnya computer-aided,” tuturnya.
Laksmita pun melihat potensi besar dalam pengelolaan data image memerlukan repository dan manajemen data yang baik agar semua image yang dibutuhkan bisa dikelola dengan baik.
“Perlu juga ada SOP dan ethical guide yang jelas di akademia untuk menjamin pelaksanaan riset yang sesuai rigor dan aturan,” tutur Laksmita.
Bagi mahasiswa yang ingin mendalami bidang ini, ia menyarankan agar tidak hanya mengandalkan model deep learning yang ada, tetapi juga memahami fundamental image processing secara menyeluruh.
“Jangan terlena dengan kemudahan model-model deep learning yang ada. Saya kira walau ini powerful sekali, mahasiswa perlu mempelajari dari awal dengan teknik yang konvensional. Saya kira pemahaman fundamental sangat penting untuk proses akademik, ” tuturnya.