Klasifikasi Jenis Kelamin Berdasarkan Ciri Fisik Menggunakan Algoritma Neural Network
Abstract
Pengenalan merupakan sebuah kegiatan yang sulit dilakukan karena setiap manusia memiliki ciri fisik yang tidak sama kecuali pada kasus khusus seperti kembar identik. Untuk mengatasi hal tersebut diperlukan penentuan ciri fisik yang akan digunakan sebagai kriteria pengenalan. Dataset yang digunakan pada penelitan ini adalah data ciri-ciri fisik pada bagian kepala manusia yang berupa panjang rambut, lebar dahi, tinggi dahi, lebar hidung, tinggi hidung, ketebalan bibir, serta jarak hidung dengan bibir. Dengan ciri fisik tersebut dapat diterapkan algoritme Artificial Neural Network (ANN) untuk menentukan jenis kelamin. Algoritme ANN dipilih karena berdasarkan beberapa penelitian sebelumnya terbukti efektif dengan nilai akurasi yang cukup tinggi. Lebih khusus metode multi layaer perceptron dipilih untuk mendukung kinerja algoritme ANN. Hasilya didapatkan nilai precision perempuan sebesar 97% dan laki-laki 96%. Sementara untuk nilai recall dan f1-score masing masing memiliki nilai yang sama yakni perempuan sebesar 96% dan laki-laki 97%. Secara lebih lanjut penelitian ini menghasilkan nilai akurasi rata-rata akurasi di angka 97%.
References
Adinata, F. D., & Arifin, J. (2022). Klasifikasi Jenis Kelamin Wajah Bermasker Menggunakan Algoritma Supervised Learning. Jurnal Media Informatika Budidarma, 6(1), 229. https://doi.org/10.30865/mib.v6i1.3377
Alwi, A. A., Adikara, P. P., & Indriati. (2020). Pengenalan Jenis Kelamin dan Rentang Umur berdasarkan Suara menggunakan Metode Backpropagation Neural Network. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 4(7), 2083–2093.
An, S. (n.d.). Introduction to how an Multilayer Perceptron works but without complicated math. Retrieved September 12, 2022, from https://medium.com/codex/introduction-to-how-an-multilayer-perceptron-works-but-without-complicated-math-a423979897ac
Asmara, R. A., Andjani, B. S., Rosiani, U. D., & Choirina, P. (2018). Klasifikasi Jenis Kelamin Pada Citra Wajah Menggunakan Metode Naive Bayes. Jurnal Informatika Polinema, 4(3), 212. https://doi.org/10.33795/jip.v4i3.209
Kaggle. (n.d.). Gender Classification Dataset. Retrieved September 17, 2022, from https://www.kaggle.com/datasets/elakiricoder/gender-classification-dataset
Nawawi, H. M., Purnama, J. J., & Hikmah, A. B. (2019). Komparasi Algoritma Neural Network Dan Naïve Bayes Untuk Memprediksi Penyakit Jantung. Jurnal Pilar Nusa Mandiri, 15(2), 189–194. https://doi.org/10.33480/pilar.v15i2.669
Suryawan, F. M., Pragantha, J., & Handayani, T. (2022). Pengenalan Karakter Sibi Menggunakan Metode Convolutional Neural Network. Jurnal Ilmu Komputer Dan Sistem Informasi, 10(1), 14–18. https://doi.org/10.24912/jiksi.v10i1.17825
Full Text: PDF
Refbacks
- There are currently no refbacks.
