Untuk membuat sistem pengenalan wajah yang akurat dibutuhkan banyak data latih
citra wajah manusia. Di Indonesia, data wajah penduduk Indonesia hanya
merupakan foto wajah tampak depan yang terdapat pada foto Kartu Tanda
Penduduk. Kesulitan akan dialami apabila sistem pengenalan wajah dibuat untuk
mengenali penduduk Indonesia karena keterbatasan data wajah penduduk. Solusi
yang ditawarkan pada tugas akhir ini adalah untuk melakukan penambahan data
latih wajah manusia (image augmentation) dengan menggabungkan metode
GANimation dan transformasi citra sederhana.
GAN merupakan suatu arsitektur dengan 2 jaringan saraf tiruan (neural network)
yang disebut generator dan discriminator. Tujuan utama dari GAN adalah untuk
menghasilkan suatu data baru yang menyerupai data masukan. GANimation adalah
metode GAN yang dibuat oleh Albert Pumarola dan koleganya pada tahun 2019
untuk menghasilkan gambar wajah manusia dengan ekspresi baru. Untuk
memperbanyak gambar yang dihasilkan, gambar sintesis yang dihasilkan oleh
GANimation ditransformasi dengan transformasi citra sederhana. Terdapat 3
transformasi citra yang dilakukan yaitu transformasi intensitas yang mengubah
cahaya di dalam gambar, transformasi perspektif yang bertujuan untuk membuat
gambar menjadi miring, dan rotasi yang bertujuan untuk memutar gambar.
Dari hasil pengujian, didapatkan bahwa gambar sintesis yang dihasilkan oleh
gabungan GANimation dan transformasi citra sederhana dapat diidentifikasi oleh
sistem pengenalan wajah yang dibuat oleh Adam Geitgey dan diidentifikasi sesuai
dengan gambar aslinya. Gambar sintesis juga dapat digunakan sebagai data latih
untuk sistem pengenalan wajah yang dibuat oleh David Sandberg. Terdapat
beberapa batasan agar gambar hasil transformasi dapat dikenali oleh sistem
pengenalan wajah yaitu maksimum 30 derajat untuk rotasi, setengah atau satu
setengah kali cahaya asli untuk transformasi intensitas, dan pergeseran maksimal
48 pixel untuk transformasi perspektif.