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%.