Analisis Performa Autentikasi Wajah pada Sistem Informasi Manajemen Rumah Sakit Menggunakan Model Tiny Face Detector dari Face-API.js
DOI:
https://doi.org/10.47701/qq1qnq79Keywords:
Pengenalan Wajah, Tiny Face Detector, Face-API.js, SIMRSAbstract
Penerapan Rekam Medis Elektronik (RME) di fasilitas kesehatan, termasuk RSUD Ir. Soekarno Kabupaten Sukoharjo, menjadi penting untuk memenuhi Peraturan Menteri Kesehatan Nomor 24 Tahun 2022 yang menekankan aspek keamanan data. Namun, Sistem Informasi Manajemen Rumah Sakit (SIMRS) masih menggunakan metode autentikasi konvensional berupa username dan password, yang rentan terhadap kelalaian logout dan penyalahgunaan akses. Penelitian ini bertujuan untuk menganalisis performa modul autentikasi wajah yang diintegrasikan ke dalam SIMRS dengan menggunakan model Tiny Face Detector dari Face-API.js, dengan fokus pada tingkat akurasi identifikasi dan kecepatan respon sistem Pengujian dilakukan pada dua skenario: pengguna tanpa masker dan pengguna yang mengenakan masker. Hasil menunjukkan bahwa sistem memiliki akurasi tinggi dan respon yang cepat saat mendeteksi wajah tanpa masker. Sebaliknya, sistem gagal mengenali wajah saat pengguna memakai masker. Temuan ini menunjukkan bahwa autentikasi wajah dengan model Tiny Face Detector dari Face-API.js layak diterapkan dalam SIMRS, tetapi efektivitasnya bergantung pada kondisi wajah yang tidak tertutup masker. Penelitian ini memberikan dasar teknis bagi pengembangan autentikasi biometrik di lingkungan rumah sakit dan mendorong evaluasi lanjutan terhadap model yang lebih adaptif terhadap penggunaan masker.
References
[1] M. F. Aditama dan M. Haryanti, “Sistem Pengenalan dan Verifikasi Wajah Menggunakan Transfer Learning Berbasis Raspberry Pi,” J. Teknol. Ind., vol. 12, no. 1, 2023.
[2] Amazon Web Services, “Apa itu pengenalan wajah?,” [Online], Tersedia: https://aws.amazon.com/id/what-is/facial- recognition/?nc1=h_ls, diakses pada 29 Juni 2025.
[3] Republik Indonesia, Undang-Undang Republik Indonesia Nomor 27 Tahun 2022 tentang Perlindungan Data Pribadi, 2022.
[4] M. S. Iftekar dan M. A. Zeeshan, “The 'face-api.js' Library for Accurate Face Recognition in Web-Applications and Possible use Cases with Accuracy Metrics,” Int. J. Comput. Appl., vol. 186, no. 21, 2024.
[5] Kementerian Kesehatan Republik Indonesia, Peraturan Menteri Kesehatan Republik Indonesia Nomor 24 Tahun 2022 tentang Rekam Medis, 2022.
[6] Microsoft, “Apa itu Autentikasi?,” [Online], Tersedia: https://www.microsoft.com/id-id/security/business/security- 101/what-is-authentication, diakses pada 29 Juni 2025.
[7] V. Mühler, face-api.js Documentation, 2020. [Online], Tersedia: https://justadudewhohacks.github.io/face-api.js/docs/index.html, diakses pada 29 Juni 2025.
[8] A. Zulfikar, M. Nyorong, dan Nuraini, “Evaluasi Implementasi SIMRS Rawat Jalan Terhadap Sistem Pelaporan Klaim BPJS di RSUD Aek Kanopan Kabupaten Labuhan Batu Utara,” J. Healthcare Technol. Med., vol. 9, no. 1, 2023.
[9] H. Himesh, “Comparing FaceMatcher and EuclideanDistance Methods in face-api.js for Face Recognition,” Medium.com, [Online], Tersedia: https://hellohimesh.medium.com/comparing- facematcher-and-euclideandistance-methods-in-faceapi-js-for- face-recognition-d1533cd0ee39, diakses pada 12 Juli 2025
