Identifikasi Jenis Kelamin Berdasarkan Bitemark
Abstract
Penentuan identifikasi jenis kelamin merupakan aspek krusial dalam ranah forensik, yang berfungsi mendukung proses penentuan identitas korban maupun pelaku kejahatan. Salah satu metode yang kini mulai mendapat perhatian adalah analisis pola gigitan atau bitemark, karena pola tersebut dinilai memiliki perbedaan karakteristik antara pria dan wanita. Latar belakang penelitian ini berangkat dari keterbatasan teknik konvensional yang kerap kurang efektif untuk menentukan jenis kelamin secara cepat, khususnya ketika kondisi fisik korban tidak memungkinkan dilakukan identifikasi biometrik secara langsung. Pendekatan yang digunakan adalah penerapan teknologi pengenalan citra dengan memanfaatkan model deep learning YOLOv8, yang diintegrasikan ke dalam sistem aplikasi web berbasis Python. Sistem ini menerima masukan berupa citra bitemark, lalu memprosesnya melalui tahap klasifikasi guna memprediksi jenis kelamin. Proses pengembangan meliputi pelatihan model dengan 80 citra gigitan yang telah diberi label, optimasi model agar kompatibel di lingkungan Python, serta pembuatan antarmuka web untuk memudahkan identifikasi secara waktu nyata. Hasil pengujian menunjukkan bahwa sistem mampu mengklasifikasikan jenis kelamin dengan tingkat akurasi 75,00% pada pengujian terhadap 44 citra. Selain itu, integrasi dengan aplikasi web meningkatkan portabilitas dan efisiensi penggunaan. Penelitian ini diharapkan menjadi langkah awal dalam pengembangan sistem identifikasi forensik otomatis berbasis bitemark.
Kata kunci— YOLO,bitemark,CNN,forensic,python,web application
References
A. Kalangit, “Peran Ilmu Kedokteran Forensik Dalam pembuktian Tindak Pidana Pemerkosaan Sebagai Kejahatan Kekerasan seksual,” E-CliniC, vol. 1, no. 1, 2013, doi: 10.35790/ecl.1.1.2013.4861.
N. Nafi’iyah and R. Wardhani, “Sistem Identifikasi Jenis Kelamin Manusia Berdasarkan Foto Panoramik,” in Seminar Nasional Hasil Penelitian Masyarakat, 2016, pp. 120–125.
Iswara, Raja A. F. W., et al. Pengantar Ilmu Kedokteran Forensik dan Medikolegal. Edited by Ali, Agussalim, et al, Eureka Media Aksara, 2023.
“Bitemark analysis: A NIST scientific foundation review,” in Forensic Science Anthology, 2025, doi: 10.21428/088056e6.0816871d.
E. Kristanto, “Analisis Jejas Gigitan pada Kasus Forensik Klinik”, eG, vol. 8, no. 1, Jan. 2020.
Mamile, Husein. “Analisis Bite Mark Dalam Identifikasi PelakuKejahatan”, Tugas Akhir, Universitas Hasanuddin, 2015
Lukman D, “Buku Ajar Ilmu Kedokteran Gigi Forensik”, Jakarta: Sagung Seto, Hal 1-4, 115-133, 2006
Olmez, S. and Dogan, S, “Comparison of the arch forms and dimensions in various malocclusions of the Turkish population”, (December), pp.158–164.
Badrinarayanan, V., Kendall, A., & Cipolla, R. (2017). SegNet: A deep convolutional encoder-decoder architecture for image segmentation. IEEE Transactions on Pattern Analysis and Machine Intelligence, 39(12), 2481–2495.
