PENGGUNAAN MACHINE LEARNING UNTUK MENGIDENTIFIKASI JENIS KELAMIN MANUSIA MELALUI CITRA PANORAMIK GIGI DENGAN KLASIFIKASI K-NEAREST NEIGHBOR (KNN)
Dalam kasus identifikasi pengenalan fisik manusia selama ini bagian forensik menggunakan DNA sebagai acuan, dikarenakan nilai akurasinya yang tinggi. Akan tetapi waktu yang dibutuhkan cukup lama. Sehingga peneltian ini menggunakan acuan lain berupa citra panoramik gigi manusia untuk mengidentifikasi...
Saved in:
| Main Author: | |
|---|---|
| Format: | Book |
| Published: |
2019-07-12.
|
| Subjects: | |
| Online Access: | Link Metadata |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | Dalam kasus identifikasi pengenalan fisik manusia selama ini bagian forensik menggunakan DNA sebagai acuan, dikarenakan nilai akurasinya yang tinggi. Akan tetapi waktu yang dibutuhkan cukup lama. Sehingga peneltian ini menggunakan acuan lain berupa citra panoramik gigi manusia untuk mengidentifikasi jenis kelamin manusia. Salah satu cara untuk membantu proses identifikasi jenis kelamin manusia yaitu dengan menggunakan ilmu pengolahan citra. Penelitan ini bertujuan untuk mengetahui akurasi dari metode klasifikasi K-NN terhadap pengenalan jenis kelamin melalui citra panoramik gigi manusia. Data yang berjumlah 60 buah citra panoramik gigi manusia nanti akan melalui berbagai tahapan praproses, ekstraksi ciri Invariant Moment dan pembagian data dengan K-Fold Cross Validation ynag nanti akan diklasifikasi. Tahapan praproses meliputi pemotongan citra untuk mengambil parameter pada penelitian yaitu gigi kaninus kanan atas, kanan bawah, kiri atas dan kiri bawah. Lalu citra diubah kedalam bentuk greyscale dan disamakan level intensitas citra dengan Histogram Equalization. Terakhir menggunakan Iterative Adaptive Thresholding untuk mengubah kedalam bentuk biner.Ekstraksi ciri Invariant Moment mengambil ciri berupa tujuh nilai geometrik dari setiap gigi kaninus. Lalu data ciri geometric tersebut dibagi menjadi sepuluh partisi dengan K-Fold Cross Validation. Setelah berbagai tahapan tersebut, ciri-ciri tersebut diklasifikasi menggunakan metode K-NN. Hasil dari klasifikasi pada setiap 60 data terhadap nilai jarak terdekat k menghasilkan akurasi sebesar 58.3% pada nilai k=1 |
|---|---|
| Item Description: | http://repository.upnvj.ac.id/1347/1/AWAL.pdf http://repository.upnvj.ac.id/1347/2/ABSTRAK.pdf http://repository.upnvj.ac.id/1347/3/BAB%201.pdf http://repository.upnvj.ac.id/1347/4/BAB%202.pdf http://repository.upnvj.ac.id/1347/5/BAB%203.pdf http://repository.upnvj.ac.id/1347/6/BAB%204.pdf http://repository.upnvj.ac.id/1347/7/BAB%205.pdf http://repository.upnvj.ac.id/1347/8/DAFTAR%20PUSTAKA.pdf http://repository.upnvj.ac.id/1347/9/RIWAYAT%20HIDUP.pdf http://repository.upnvj.ac.id/1347/10/LAMPIRAN.pdf |