KLASIFIKASI CITRA PORNO DENGAN ALGORITMA C 4.5 BERBASIS MODEL WARNA YCbCr DAN SHAPE DETECTOR

<p><span><em>Konten internet dapat berupa pornografi atau jebakan pornografi dengan tujuan</em><br /><span><em>korban anak di bawah umur. Tahun 2010 sebesar 97% remaja pernah mengakses</em><br /><span><em>content pronografi, dimana ha...

Full description

Bibliographic Details
Main Authors: Erwin Rizki Ariyanto, - Wijanarto, - Sudaryanto
Format: Article
Language:Indonesian
Published: Universitas Dian Nuswantoro 2016-06-01
Series:Techno.Com
Online Access:http://publikasi.dinus.ac.id/index.php/technoc/article/view/1141
Description
Summary:<p><span><em>Konten internet dapat berupa pornografi atau jebakan pornografi dengan tujuan</em><br /><span><em>korban anak di bawah umur. Tahun 2010 sebesar 97% remaja pernah mengakses</em><br /><span><em>content pronografi, dimana hal terebut berpengaruh negatif terhadap perkembangan</em><br /><span><em>anak dan remaja. Dengan demikian akses terhadap pornografi oleh anak perlu dijaga.</em><br /><span><em>Beberapa penelitian telah menghasilkan aplikasi pendeteksi pornografi dengan</em><br /><span><em>berbagai metode, seperti model warna YCbCr, shape descriptor yang saling mandiri.</em><br /><span><em>Dalam tulisan ini kami menyajikan klasifikasi citra porno dengan menggunakan</em><br /><span><em>algoritma C 4.5 dan Shape descriptor berbasis model warna YCbCr. Klasifikasi dengan</em><br /><span><em>C 4.5 merupakan tambahan metode perbaikan pada Shape Descriptor dan model warna</em><br /><span><em>YCbCr dan di harapkan dapat secara presisi mengklasifikasikan citra porno dan bukan.</em><br /><span><em>Hasil dari percobaan terhadap 40 citra 8 bit dengan dimensi 256X256 yang terbagi</em><br /><span><em>menjadi citra porno, berbikini, mug shots dan non-porno, metode di atas dapat</em><br /><span><em>mengklasifikasikan </em><span><em>True Positives (TP) 16, False Positives (FP) 10, False Negatives (FN) 4,</em><br /><span><em>True Negatives (TN) 10 dengan akurasi 65%, error rate 35%, precision 0,615, recall 0,8 serta</em><br /><span><em>nilai Root Mean Squared Error (RMSE) 0,59</em><span><em>.Semakin banyak data training semakin akurat</em><br /><span><em>hasil dari testingnya, walaupun dalam beberapa kasus metode di atas belum akurat dan</em><br /><span><em>hanya mengenail 3 dari 10 citra mug shots atau sebesar 43%.</em></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></p><p><span><span><span><span><span><span><span><span><span><span><span><span><span><span><span><span><span><span><span><em></em></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span></span><br /></span></span></span><span><strong><em>Kata Kunci: </em></strong><span><em>c 4.5, shape descriptor, model warna ycbcr, citra pornografi</em><br /></span></span></p>
ISSN:1412-2693
2356-2579