Identifikasi Gender Berdasarkan Pola Gigitan Dengan Metode Adaptive Region Growing Dan Klasifikasi K-nearest Neighbor

Rizki Amalia Ulfa, Rita Purnamasari, Nani Murniati

Abstract

Abstrak Didalam pembuktian perkara tindak pidana yang berkaitan dengan kasus tindak asusila, dan pembunuhan, pada kasus ini aparat penegak hukum memiliki peran untuk mengungkap suatu tindak pidana yang terjadi. Bidang yang ahli dalam menangani proses identifikasi bite marks ini ialah forensik kedokteran gigi (odontology forensic). Penulis melakukan perancangan sistem untuk identifikasi jenis kelamin laki-laki dan perempuan menggunkan citra bekas gigitan dengan metode Adaptive Region Growing untuk ekstraksi ciri yang kemudian diklasifikasikan menggunakan K-Nearest Neighbor (K-NN) menggunakan aplikasi Matrix Laboratory (MATLAB). Dari hasil pengujian yang dilakukan, penelitian ini menghasilkan akurasi tertinggi sebesar 84% dan waktu komputasi 42,74 detik/citra. Maka dapat disimpulkan bahwa pengujian menggunakan sistem tersebut sudah dapat mengidentifikasi jenis kelamin pada bite mark dengan baik. Kata kunci : Adaptive Region Growing, K-Nearest Neighbor, Bite Marks, Odontology Forensic. Abstract In proving criminal cases of immoral acts, murder cases, law enforcer has the role to uncover the truth behind the crime acts. The field where the experts are handling the bite marks identifying processes is called the Odontology Forensic. Writer designed a system to identify genders based on human’s bite marks with Adaptive Region Growing models as feature extraction and K-Nearest Neighbor (K-NN) as its classifying method in Matrix Laboratory (MATLAB). Based on the tests that have been done, the designed system achieved the highest accuracy of 84% with computing time 42,74 seconds/image. Therefore, we can conclude that this system design, with bite marks as its input, can identify genders very well. Keywords: Adaptive Region Growing, K-Nearest Neighbor, Bite Marks, Odontology Forensic

Full Text:

PDF

Refbacks

  • There are currently no refbacks.
max_upload :0