HAFIZD ADRYAN SUVI, - (2024) KLASIFIKASI JENIS KELAMIN BERDASARKAN TULANG TENGKORAK MENGGUNAKAN BACK PROPAGATION NEURAL NETWORK DENGAN FEATURE SELECTION GAIN RATIO. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

Preview	Text SKRIPSI TANPA BAB IV - HAFIZD.pdf Download (1MB) | Preview
	Text (BAB IV) SKRIPSI BAB IV - HAFIZD.pdf - Published Version Restricted to Repository staff only Download (790kB)

Abstract

Menentukan jenis kelamin kerangka berdasarkan morfologi dan dimorfisme metrik tubuh manusia adalah salah satu parameter yang krusial untuk proses klasifikasi. Teknik identifikasi konvensional, seperti penggunaan DNA atau sidik jari, memang memiliki tingkat akurasi yang tinggi, namun seringkali memerlukan kondisi spesifik yang tidak selalu terpenuhi, terutama ketika sisa-sisa kerangka manusia dalam kondisi terdegradasi atau tidak lengkap. Penelitian ini menggunakan metode Back Propagation Neural Network (BPNN) yang dikombinasikan dengan seleksi fitur Gain Ratio untuk mengklasifikasikan jenis kelamin berdasarkan karakteristik morfologi tulang tengkorak. Dataset yang digunakan terdiri dari 2524 data kraniometri dengan 82 fitur, diperoleh dari pengukuran yang dikumpulkan oleh William W. Howells. Pengujian dilakukan dengan berbagai skenario, termasuk tanpa seleksi fitur dan dengan seleksi fitur menggunakan beberapa nilai threshold Gain Ratio. Hasil pengujian menunjukkan bahwa metode BPNN dengan seleksi fitur Gain Ratio mampu meningkatkan akurasi klasifikasi dengan akurasi tertinggi mencapai 89,03% dengan konfigurasi learning rate 0,001, rasio data latih dan uji 80:20, serta threshold Gain Ratio 0,01.

Actions (login required)

View Item