Perpustakaan Digital ITB

Kontrol perbatasan otomatis (ABC) berbasis pengenalan wajah telah menjadi solusi yang semakin diadopsi untuk meningkatkan efisiensi dan akurasi dalam proses pemeriksaan identitas di perbatasan. Penelitian ini mengusulkan arsitektur ABC berbasis kolaboratif edge-cloud, yang mengintegrasikan ArcFace untuk verifikasi wajah dan YOLO untuk ekstraksi data dokumen. Selain berfokus pada proses verifikasi identitas, penelitian ini turut menekankan pentingnya mekanisme pengecekan daftar hitam dalam arsitektur yang diusulkan. Mekanisme ini dirancang agar pencocokan identitas terhadap daftar hitam dapat dilakukan secara lebih efisien, dengan memastikan bahwa pembaruan data dapat tersinkronisasi secara otomatis di seluruh sistem tanpa memerlukan intervensi manual sebagaimana yang terjadi pada pendekatan fully edge. Dalam arsitektur ini, edge computing bertanggung jawab atas ekstraksi informasi dari data pelintas, seperti deteksi wajah dan pengambilan data dokumen, sementara cloud computing menangani analisis lebih lanjut, termasuk proses pencocokan identitas terhadap daftar hitam dan verifikasi menyeluruh. Pendekatan ini bertujuan untuk mengatasi keterbatasan pendekatan fully edge, yang bergantung pada pembaruan manual di setiap perangkat, serta fully cloud, yang dapat mengalami latensi tinggi dalam pemrosesan identitas secara keseluruhan. Evaluasi dilakukan melalui analisis komparatif terhadap ketiga pendekatan tersebut dengan mempertimbangkan metrik utama, seperti waktu pemrosesan, akurasi pengenalan wajah, serta efisiensi sumber daya. Hasil pengujian menunjukkan bahwa pendekatan kolaboratif edge-cloud mampu mengurangi latensi dalam pencocokan blacklist, meningkatkan efisiensi pembaruan data secara otomatis, serta memastikan kinerja sistem yang lebih optimal dalam skenario kontrol perbatasan berskala besar.