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.

[thumbnail of 1313100103-Undergraduate.pdf]
Preview
Text
1313100103-Undergraduate.pdf - Published Version

Download (2MB) | Preview

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 > 49201-(S1) Undergraduate Thesis
Depositing User: Nur Lailatul Faizah
Date Deposited: 07 Nov 2017 02:40
Last Modified: 05 Mar 2019 03:44
URI: http://repository.its.ac.id/id/eprint/48540

Actions (login required)

View Item View Item