Deteksi Jenis Kelamin pada Foto Cephalogram Menggunakan Metode Entropy Equalization dan Deep Learning Convolutional Neural Networks

Caesarardhi, Muhammad Rasyad (2024) Deteksi Jenis Kelamin pada Foto Cephalogram Menggunakan Metode Entropy Equalization dan Deep Learning Convolutional Neural Networks. Masters thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 6026231023-Master_Thesis.pdf] Text
6026231023-Master_Thesis.pdf - Accepted Version
Restricted to Repository staff only until 1 October 2026.

Download (14MB) | Request a copy

Abstract

Salah satu fokus dari bidang kedokteran forensik adalah untuk mengidentifikasi mayat. Salah satu hal yang paling menantang dalam mengidentifikasi mayat adalah ketika hanya tersisa tulang tengkorak dan leher seperti korban musibah kebakaran. Metode yang biasa digunakan untuk mengidentifikasi tengkorak adalah analisis kuantitatif atau morfometri yang dilakukan dengan menggunakan pengukuran, proyeksi, dan sudut. Namun, metode ini memiliki kelemahan karena formula yang digunakan telah dikembangkan secara khusus untuk pola-pola orang yang terbatas. Hingga saat ini formula tersebut belum menerima pembaruan terkait pola evolusi yang terjadi selama beberapa dekade meskipun telah terjadinya aktivitas perkawinan antar ras. Penelitian ini bertujuan untuk mencoba melakukan eksperimen deteksi jenis kelamin melalui gambar cephalogram dalam kaitannya dengan keperluan forensik. Metode yang digunakan dalam penelitian ini adalah image entropy equalization untuk pra-proses dan model Convolutional Neural Network (CNN) sebagai model prediktifnya. Harapan dari hasil penelitian ini adalah menghasilkan model yang mampu mengidentifikasi jenis kelamin pada tengkorak untuk keperluan forensik dengan tingkat akurasi yang tinggi. Sehingga dapat membantu mengidentifikasi mayat berdasarkan sisa-sisa tengkorak yang ditemukan di tempat kejadian atau TKP lebih cepat.
=====================================================================================================
One focus of the field of forensic medicine is to identify corpses. One of the most challenging things in identifying a corpse is when only the skull and neck bones remain, like a fire victim. The method commonly used to identify skulls is quantitative analysis or morphometry, which is carried out using measurements, projections, and angles. However, this method has a weakness because the formula used has been developed specifically for limited person patterns. Until now, this formula has not received an update regarding the evolutionary patterns that have occurred over several decades even though interracial mating activities have occurred. This research aims to try to conduct gender detection experiments using cephalogram images in relation to forensic purposes. The method used in this research is image entropy equalization for pre-processing and the Convolutional Neural Network (CNN) model as the predictive model. The hope of the results of this research is to produce a model that is able to identify gender in skulls for forensic purposes with a high level of accuracy. So it can help identify bodies based on skull remains found at the scene or crime scene more quickly.

Item Type: Thesis (Masters)
Uncontrolled Keywords: Cephalogram, Gender Detection, CNN, Entropy Equalization, SMOTE, Sefalogram, Deteksi Jenis Kelamin, CNN, Pemerataan Entropi, SMOTE
Subjects: Q Science > QA Mathematics > QA336 Artificial Intelligence
R Medicine > RA Public aspects of medicine > RA1001 Forensic Medicine. Medical jurisprudence. Legal medicine
Divisions: Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 59101-(S2) Master Thesis
Depositing User: Muhammad Rasyad Caesarardhi
Date Deposited: 02 Aug 2024 05:09
Last Modified: 02 Aug 2024 05:09
URI: http://repository.its.ac.id/id/eprint/110971

Actions (login required)

View Item View Item