Pada Hari Senin, 28 Juli 2025, Pukul 13.00 WIB bertempat di Room Meeting H.1, telah dilaksanakan sidang terbuka Disertasi dari Promovenda Linda markinda (P41.2019.00018) dengan Disertasi berjudul “Indeks Kesamaan Pada Machine Learning untuk Identifikasi Citra Wajah Arca Buddha”.
Riset disertasi dari Linda Marlinda di bawah pembimbingan dari Tim Promotor: Dr. Fikri Budiman, M.Kom (Promotor), Dr. Ruri Suko Basuki, M.Kom (Co-Promotor), dan Dr. Ahmad Zainul Fanani, M.Kom (Co-Promotor). Sedangkan Tim Penyanggah terdiri atas: Prof. Dr. Ir. Edi Noersasongko, M. Kom (Ketua Sidang), Prof. Dr. Ir. Mochamad Wahyudi, M. Kom, MM, MPd, IPU ASEAN Eng (Penyanggah), Sri Winarno. Ph. D (Penyanggah), Affandy, Ph. D (Penyanggah), dan Dr. M. Arief Soeleman, M.Kom (Penyanggah).
Riset disertasi dari Linda Markinda berkaitan dengan pelestarian warisan budaya, di mana pelestarian warisan budaya visual seperti arca Buddha menghadapi tantangan signifikan dalam proses digitalisasi dan identifikasi citra, terutama ketika objek memiliki kemiripan visual yang sangat tinggi. Penelitian ini mengembangkan sebuah pendekatan berbasis indeks kesamaan untuk mengidentifikasi wajah arca Buddha menggunakan kombinasi metode ekstraksi fitur dan teknik stabilisasi nilai kesamaan.
Permasalahan utama yang diangkat adalah rendahnya akurasi pencocokan pada objek berbeda yang memiliki kemiripan bentuk dan tekstur, serta munculnya nilai negatif pada penghitungan metrik Chi-Square akibat variasi pencahayaan dan kualitas citra yang tidak konsisten. Tiga eksperimen dilakukan untuk menjawab rumusan masalah yang diajukan.
Eksperimen pertama menilai performa metode Scale-Invariant Feature Transform (SIFT) dalam mengenali fitur lokal pada satu objek wajah arca yang mengalami rotasi, dengan hasil akurasi mencapai 90%. Eksperimen kedua membandingkan metode SIFT dan ORB (Oriented FAST and Rotated BRIEF) dalam mencocokkan dua wajah arca berbeda namun mirip. Hasilnya menunjukkan akurasi sangat rendah, yaitu 2% untuk SIFT dan 1% untuk ORB. Eksperimen ketiga menggabungkan metode SIFT dan Discrete Cosine Transform (DCT) untuk mengoptimalkan pencocokan berdasarkan fitur lokal dan tekstur global. Selanjutnya, teknik SHashing berbasis perceptual hashing diterapkan untuk menstabilkan hasil pencocokan dan mengoreksi nilai negatif dalam penghitungan kesamaan. Dataset dalam penelitian ini dikumpulkan secara mandiri dari sumber terbuka, dengan proses Preprocessing yang meliputi normalisasi ukuran, konversi ke skala abu-abu, pemotongan menggunakan bounding box, dan peningkatan pencahayaan menggunakan CLAHE.
Linda Marlinda telah berhasil mempertahankan disertasinya dan menjadi Lulusan Ke-16 Program Doktor Ilmu Komputer Universitas Dian Nuswantoro. Selamat dan sukses, semoga ilmunya bermanfaat.
