Menarik membaca paper “Demographic Analysis from Biometric Data: Achievements, Challenges, and New Frontiers”, tulisan Yunlian Sun dkk, yang dipublikasikan di IEEE Trans. PAMI Februari 2018 [1]. Dari wajah, banyak hal yang bisa dibaca selain identitas. Antara lain : jenis kelamin, suku/ras, usia dan emosi. Dari suara, bisa diprediksi jenis kelamin, suku, usia, emosi. Demikian juga halnya dengan tulisan tangan. Model yang mampu memprediksi informasi demografi, bisa dipakai untuk keperluan targeted-advertising. Layanan dan produk bisa dilakukan kustomisasi, jika informasi pelanggan yang berinteraksi bisa diprediksi.
Pada paper di atas, tiga informasi demografi diprediksi dari data biometrik seseorang, yaitu usia, jenis kelamin dan ras. Usia bisa diprediksi dari wajah, suara dan cara orang berjalan (gait). Jenis kelamin bisa juga diprediksi dari wajah, suara dan cara berjalan. Selain itu, ada pula studi yang melaporkan bahwa tulisan tangan bisa juga dipakai untuk membedakan jenis kelamin, walaupun akurasinya tidak tinggi. Ras dapat dibedakan dengan memakai informasi wajah. Selain itu warna selaput pelangi mata dapat juga dipakai untuk membedakan ras. Tulisan di atas juga membahas lima contoh aplikasi dari ekstraksi informasi demografi, yaitu : Human-Computer Interaction, Security Control & Surveilance Monitoring, Multimedia Retrieval, biometrics (mempercepat proses pencarian identitas lewat pemadanan data), targeted advertising.
Dari berbagai informasi biometrik, informasi terbanyak sepertinya berasal dari wajah. Sedangkan yang paling sedikit, berasal dari sidik jari, karena hanya mampu dipakai untuk membedakan jenis kelamin, yaitu lewat frekuensi/kerapatan garis ridge. Pria muda memiliki ridge line sekitar 20.7 buah per cm, sedangkan wanita relatif lebih banyak, yaitu 23.4 ridge line per cm [2].
Indonesia memiliki data biometrics yang terbesar kedua setelah India, dari program KTP-el. Tentunya banyak yang bisa “dibaca” dari data tersebut. Salah satu yang kami lakukan beberapa waktu yang lalu, dalam kerjasama dengan Kemendagri, adalah analisis sebaran kualitas citra, dipetakan sebarannya di berbagai propinsi di Indonesia. Hal ini memiliki manfaat, salah satunya, untuk mengetahui dan melakukan perkiraan keberhasilan pemakaian biometrics sebagai basis layanan publik pada daerah tersebut, misalnya dalam pemakaian KTP-el reader.
Referensi
- Demographic Analysis from Biometric Data: Achievements, Challenges, and New Frontiers, Yunlian Sun , Man Zhang, Zhenan Sun, and Tieniu Tan, IEEE Trans. PAMI VoL. 40, No. 2, pp.332-351, February 2018.
- Introduction to Biometrics, Anil K. Jain, Arun A. Ross, Karthik Nandakumar, Springer, 2011
