Klasifikasi Jenis Kelamin Berdasarkan Gambar Mata Menggunakan Algoritma Convolutional Neural Network (CNN)

  • Rahmad Firdaus
  • Joni Satria Universitas Muhammadiyah Riau
  • Baidarus Baidarus Universitas Muhammadiyah Riau

Abstract

Mata merupakan organ penglihatan yang terletak di rongga orbital. Bentuknya bulat, sekitar 2,5cm. Ruang antara mata dan orbit diisi oleh jaringan gemuk, dinding tulang dan lemak orbit yang dapat melindungi mata dari terluka. Mata adalah salah satu panca indra yang dapat digunakan untuk membedakan jenis kelamin dari manusia. Untuk membantu mengklasifikasikan jenis kelamin manusia menggunakan data citra mata bisa dengan menggunakan pendekatan deep learning dengan menggunakan algoritma Convolutional Neural Network (CNN). Hasil yang diperoleh adalah berupa nilai precision, recall, F1-score dan Accuracy dengan nilai precision untuk femaleeyes 97% dan maleeyes 90%, Recall femaleeyes dengan nilai 91% dan maleeyes 96%, F1-score  dengan nilai femaleeyes 94% serta maleeyes 93% dan nilai accuracy yang di dapatkan pada jumlah data yang sudah di training sebesar 94%.

Downloads

Download data is not yet available.

References

[1] C. Kurniawan and H. Irsyad, “Perbandingan Metode K-Nearest Neighbor Dan Naïve Bayes Untuk Klasifikasi Gender Berdasarkan Mata,” J. Algoritm., vol. 2, no. 2, pp. 82–91, 2022, doi: 10.35957/algoritme.v2i2.2358.
[2] A. Kartini and A. Maulana, “REDEFINISI GENDER DAN SEKS Pendahuluan,” vol. 12, no. 2, pp. 217–239, 2019.
[3] D. Mualfah, Y. Fatma, and R. A. Ramadhan, “Anti-forensics: The image asymmetry key and single layer perceptron for digital data security,” J. Phys. Conf. Ser., vol. 1517, no. 1, 2020, doi: 10.1088/1742-6596/1517/1/012106.
[4] S. Ilahiyah and A. Nilogiri, “Implementasi Deep Learning Pada Identifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan Convolutional Neural Network,” JUSTINDO (Jurnal Sist. dan Teknol. Inf. Indones., vol. 3, no. 2, pp. 49–56, 2018.
[5] F. M. Qotrunnada and P. H. Utomo, “Metode Convolutional Neural Network untuk Klasifikasi Wajah Bermasker,” Prisma, vol. 5, pp. 799–807, 2022.
[6] A. G. Gani et al., “Jurnal Computer Science and Information Technology ( CoSciTech ),” J. Sist. Inf. Univ. Suryadarma, vol. 3, no. 2, pp. 1–19, 2020.
[7] R. A. Asmara, B. S. Andjani, U. D. Rosiani, and P. Choirina, “Klasifikasi Jenis Kelamin Pada Citra Wajah Menggunakan Metode Naive Bayes,” J. Inform. Polinema, vol. 4, no. 3, p. 212, 2018, doi: 10.33795/jip.v4i3.209.
[8] I. Wulandari, H. Yasin, and T. Widiharih, “Klasifikasi Citra Digital Bumbu Dan Rempah Dengan Algoritma Convolutional Neural Network (Cnn),” J. Gaussian, vol. 9, no. 3, pp. 273–282, 2020, doi: 10.14710/j.gauss.v9i3.27416.
[9] D. Mualfah, W. Fadila, and R. Firdaus, “Teknik SMOTE untuk Mengatasi Imbalance Data pada Deteksi Penyakit Stroke Menggunakan Algoritma Random Forest,” J. CoSciTech (Computer Sci. Inf. Technol., vol. 3, no. 2, pp. 107–113, 2022, doi: 10.37859/coscitech.v3i2.3912.
[10] F. F. Maulana and N. Rochmawati, “Klasifikasi Citra Buah Menggunakan Convolutional Neural Network,” J. Informatics Comput. Sci., vol. 1, no. 02, pp. 104–108, 2020, doi: 10.26740/jinacs.v1n02.p104-108.
[11] Y. Astuti, I. R. Wulandari, A. R. Putra, and N. Kharomadhona, “Naïve Bayes untuk Prediksi Tingkat Pemahaman Kuliah Online Terhadap Mata Kuliah Algoritma Struktur Data,” JEPIN ( J. Edukasi dan Penelit. Inform. ), vol. 8, no. 1, pp. 28–32, 2022.
[12] M. Resa, A. Yudianto, and H. Al Fatta, “Analisis Pengaruh Tingkat Akurasi Klasifikasi Citra Wayang dengan Algoritma Convolutional Neural Network,” J. Teknol. Inf., vol. 4, no. 2, pp. 182–190, 2020.
Published
2022-12-19
Abstract views: 67 , pdf downloads: 89