Boosting Neural network dan Boosting CART pada Klasifikasi Jenis Kelamin dengan Metode Pengukuran Linier pada Foramen Mental menggunakan Panoramic Radiograph

Faizah, Nur Lailatul (2017) Boosting Neural network dan Boosting CART pada Klasifikasi Jenis Kelamin dengan Metode Pengukuran Linier pada Foramen Mental menggunakan Panoramic Radiograph. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
1313100103-Undergraduate.pdf
Restricted to Repository staff only

Download (2MB) | Request a copy

Abstract

Fakta pengamalan dilapangan menunjukkan bahwa identifikasi korban meninggal massal menggunakan tulang tengkorak memiliki kontribusi yang tinggi dalam menentukan identitas seseorang, sehingga pada penelitian ini akan digunakan salah satu bagian dari tulang tengkorak yakni foramen mental yang terletak di mandibula untuk identifikasi jenis kelamin. Pada penelitian ini digunakan metode FFNN dan CART dalam mengklasifikasikan jenis kelamin pada foramen mental sebagai upaya untuk meningkatkan akurasi dengan proses boosting. Model terbaik FFNN untuk klasifikasi jenis kelamin yaitu dengan menggunakan 3 input, 1 hidden layer dengan jumlah neuron 6 unit, dan 1 output. Pohon optimal analisis CART yaitu dengan jumlah simpul terminal sebanyak 5 simpul dan tingkat kedalaman 5. Hasil penelitian ini menghasilkan bahwa klasifikasi dengan Boosting pada metode Classification and Regression Tree (CART) memiliki performa yang lebih baik dibandingkan dengan metode lainnya, dimana accuracy, sensitivity, dan specitivity yang didapat adalah 91.67%,100.00%, dan 83.33%. ============================================================================= Based on experience in field, mass dead victims identified using skeletal bone has high contribution in determining a person identity, so this research is using a part of skeletal bone which is foramen mentale on mandible for gender identification. This research using FFNN Method and CART Method in gender classification on foramen mentale to improve the accuration with boosting process. The best FFNN model to gender classification is using 3 inputs, 1 hidden layer with 6 neuron units, and 1 output. CART analysis optimal tree with 5 terminal nodes and depth level 5. This research results show that classification using Boosting with Classification and Regression Tree (CART) method has a better performance compared to other methods with accuracy, sensitivity, and specitivity percentage 91.67%, 100.00% and 83.33%.

Item Type: Thesis (Undergraduate)
Additional Information: RSSt 519.54 Fai b
Uncontrolled Keywords: Boosting, Classification and Regression Tree, Feedforward Neural Network, Foramen Mental, Mandibula, Panoramic Radiograph
Subjects: H Social Sciences > HA Statistics
Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Divisions: Faculty of Mathematics and Science > Statistics > (S1) Undergraduate Theses
Depositing User: Nur Lailatul Faizah
Date Deposited: 07 Nov 2017 02:40
Last Modified: 17 Jan 2018 03:04
URI: http://repository.its.ac.id/id/eprint/48540

Actions (login required)

View Item View Item