Identifikasi Konten Negatif pada Citra Digital Berbasis Tanda Vital Tubuh Menggunakan Ekstraksi Fitur GLCM dan Warna YCbCr
Abstract: Perkembangan
teknologi informasi yang semakin pesat seperti saat ini menyebabkan berbagai
dampak positif dan dampak negatif. Segala informasi (konten positif dan
negatif) tersedia di internet dan dengan mudah diakses oleh berbagai kalangan
masyarakat diantaranya adalah pelajar. Konten negatif (pornografi) yang terkandung
di dalam internet dapat berdampak buruk dan mempengaruhi keadaan psikis maupun
mental khususnya kalangan pelajar. Tujuan dari penelitian ini adalah
mengembangkan sistem untuk identifikasi konten negatif berbasis deteksi tanda
vital tubuh. Objek penelitian tanda vital tubuh adalah puting payudara.
Metode yang diusulkan adalah kombinasi deteksi wajah dan replace wajah
untuk mengurangi tingkat kesalahan deteksi di area wajah. Selanjutnya pelatihan
Haar-Cascade Classifier menggunakan 1000 data citra positif (citra berkonten
puting payudara) dan 8000 data citra negatif (tidak berkonten puting payudara)
untuk mendeteksi adanya puting payudara pada citra digital. Tahapan ekstraksi
fitur menggunakan Gray Level Co-occurrence Matrix (GLCM) 84 atribut, hasilnya dilanjutkan
proses ekstraksi fitur warna YCbCr. Klasifikasi yang digunakan adalah Multi
Layer Perceptron dengan arsitektur 10 neuron dan 1 layer tersembunyi.
Dengan menggunakan 158 data objek kandidat puting payudara, penelitian
ini mampu mendeteksi konten puting payudara dengan nilai akurasi 90,3%, nilai
spesifisitas 84,60%, dan nilai sensitivitas 92,4%. Hal ini menunjukkan bahwa
penambahan ekstraksi fitur warna YCbCr mampu menaikkan nilai akurasi 0,9% dan
nilai sensitivitas 1,04%.
Penulis: Denny Hardiyanto,
Dyah Anggun Sartika
Kode Jurnal: jptkomputerdd170145
