DETEKSI USIA BERBASIS CITRA RADIOGRAF PANORAMIK DENGAN METODE GRAY LEVEL CO-OCCURENCE MATRIX (GLCM) SERTA KLASIFIKASI LEARNING VECTOR QUANTIZATION (LVQ)

RACHMADHANI KUSUMANINGTIAS

Informasi Umum

Kode

19.04.1526

Klasifikasi

C -

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Image Processing

Dilihat

257 kali

Informasi Lainnya

Abstraksi

Indonesia berada di daerah rawan bencana alam, seperti gempa bumi, gunung meletusatautsunami. Selainbencanaalam,jugabisaterjadibencanalainnyaseperti kecelakaan massal.Tingginya bencana di Iindonesia dapat menimbulkan banyak korban, hal yang berikutnya perlu dilakukan adalah mengidenti?kasi para korban tersebut. Pengidenti?kasian seseorang pada korban bencana masih sulit dilakukan, terlebih lagi apabila korban sudah tidak bisa teridenti?kasi dari ?sik seperti jenazah yang rusak, hangus terbakar dan mengalami pembusukan tingkat lanjut yang sulit dikenali serta tidak dapat dilakukan identi?kasi melalui metode konvensional maupun sidik jari. Metode lainnya yang dapat di gunakan yaitu identi?kasi gigi, karena seperti yang diketahui, gigi merupakan bagian tubuh keras dan tahan terhadap kondisi yang terindikasi menghancurkan. Gigi juga merupakan bagian yg khas dari tubuh manusia, sehingga setiap manusia akan berbeda susunan giginya. Dengan pemeriksaan gigi,ahli forensik dapat mengetahui usia dari korban tersebut. Penelitian ini dilakukan dengan memproses citra rontgen panoramik gigi yang telah dilakukan scanning terlebih dahulu kemudian dilakukan preprosesing dasar untuk mencari wilayah yang akan diteliti. Selanjutnya diekstraksi oleh Gray Level Co-occurence Matrix (GLCM) dan menghasilkan ciri yang nantinya akan diklasi?kasi menggunakan Learning Vector Quantization (LVQ). Hasildaripenelitianinisistemdapatmengidenti?kasiusiamanusiaberdasarkan pulpa gigi molar pertama rahang bawah sebelah kanan. Data latih yang digunakan pada Tugas Akhir ini adalah 106 citra dan data uji 97 citra, nilai akurasi sebesar 68,04%denganwaktukomputasi0,1596untukpengujianperkelasdannilaiakurasi sebesar 12,37% untuk pengujian perdua usia dengan menggunakan level kuantisasi = 8, sudut = 0?, jarak = 1 piksel, menggunakan parameter kontras untuk parameter ekstraksiciriGrayLevelCo-occurenceMatrix(GLCM)danhiddenlayer=100,dan epoch=1000 untuk klasi?kasi Learning Vector Quantization(LVQ).