Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Computer Science and Information Technology (CoSciTech)

Klasifikasi Tulang Tengkorak Manusia Berdasarkan Jenis Kelamin Menggunakan Backpropagation Pada Antropologi Forensik Afrianty, Iis; Mhd. Kadarman; Elvia Budianita; Fadhilah Syafria
Computer Science and Information Technology Vol 5 No 3 (2024): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v5i3.8235

Abstract

Klasifikasi tulang tengkorak berdasarkan jenis kelamin merupakan langkah utama pada antropologi forensik dalam mengidentifikasi profil sisa-sisa kerangka. Klasifikasi jenis kelamin bertujuan untuk menentukan apakah kerangka tertentu adalah milik laki-laki atau perempuan. Penelitian ini berfokus pada klasifikasi tulang tengkorak berdasarkan jenis kelamin dengan menggunakan teknik pembelajaran mesin tingkat lanjut, khususnya Backpropagation Neural Network (BPNN). Tujuan dari penelitian ini adalah untuk menunjukkan kinerja BPNN. Data yang digunakan dalam penelitian ini diperoleh dari Dr. William Howells, meliputi pengukuran kraniometri dari 2524 sampel tengkorak laki-laki dan perempuan, dengan 86 variabel seperti lebar bizygomatic dan panjang glabello-oksipital. Teknik BPNN digunakan karena kemampuannya untuk memodelkan hubungan yang kompleks dan tidak linier. Kinerja model ini dievaluasi dengan menggunakan metrik standar akurasi. Pembagian data latih dan data uji menggunakan k-fold cross-validation dengan k = 10. Penelitian ini menjalankan dua skenario uji, yaitu menggunakan satu hidden layer dan dua hidden layer. Untuk masing-masing model arsitektur menggunakan learning rate sebagai parameter uji, yaitu 0,1; 0,01; dan 0,001. Hasil penelitian menunjukkan bahwa pendekatan pembelajaran mesin dapat secara efektif membedakan antara tulang tengkorak laki-laki dan perempuan, dengan akurasi rata-rata 92,32% untuk satu hidden layer dan 90,74% untuk dua hidden layer. Hasil tersebut menunjukkan, model klasifikasi tulang tengkorak manusia berbasis gender dengan menggunakan jaringan syaraf tiruan backpropagation sangat disarankan sebagai teknik yang berhasil dalam mengklasifikasikan tulang tengkorak manusia.
Co-Authors Adiya, M. Hasmil Afriyanti, Liza Aftari, Dhea Putri Agnesti, Syafira Al Rasyid, Nabila Alfaiza, Raihan Zia Alghi, Anugerah Febryan Aprima, Muhammad Dzaky Arianto Arianto Arif, Arif Prasetya Ayu Lestari, Fajar Vilbra Azhima, Mohd Baeda, Abd. Gani Baehaqi Bangu, Bangu Burhanuddin, Yuniarti Ekasaputri Butar-Butar, Rio Juan Hendri Dewi Nasien Dinata, Ferdian Arya Elvia Budianita Fadhilah Syafria Fahrozi, Aqshol Al Farkhan, Mochammad Febi Yanto Fitri Insani Fitri, Anisa Gusti, Siska Kurnia Guswanti, Widya Hamid, Fanul Hariansyah, Jul Harni, Yulia Hasibuan, Aldiansyah Pramudia Hasidu, La Ode Abdul Fajar Hasria Hasria, Hasria Hatta, M Ilham Ika Lestari Salim Jasril Jasril Kamaruddin, Anggi Ashari Khair, Nada Tsawaabul Kurniawan, Saifur Yusuf La Aba Lubis, Anggun Tri Utami BR. Ma'rifah, Laila Alfi Mariany Mariany Maryani Maryani Mhd. Kadarman Muhammad Fikry Muhammad Irsyad Naim, Rosani Nasus, Evodius Nazir, Alwis Nazruddin Safaat Nazruddin Safaat H Ode Abdul Fajar Hasidu, La Ode Muhammad Sety, La Pasiolo, Lugas Pratama, Dandi Irwayunda Putri, Atika Putri, Widya Maulida Rahmad Abdillah Ramadhani, Astrid Rasmiati Rasyid Rosmiati Rosmiati Safar, Muhammad Saleh, Ramlah Saputri, Ekawati Saputri, Ekawati Saputri, Sety, La Ode Muhamad Siti Sri Rahayu Suharsono Bantun Surya Agustian Susanti, Risqi Wahyu Suwanto Sanjaya Syahrianti Syahrianti Teluk, Grace Tedy Tukatman Tukatman Tulak, Grace Tedy Vitriani, Yelfi Yuhanah Yuhanah Yulianti, Eva Tri Yuniarti Eka Saputri Yuniarti Eka Saputri B Yusra, Yusra Zabihullah, Fayat Zulastri, Zulastri