klasifikasi citra porno dengan algoritma c 4.5 berbasis model warna ycbcr dan shape detector

Clicks: 14
ID: 251229
2016
Free PDF
Article Quality & Performance Metrics
Overall Quality
Not rated
Combines reader engagement with the AI quality analysis. This article has not been analysed, so there is no overall score — reader engagement is measured and shown alongside.
AI Quality Assessment
Not analyzed
Readership in this journal
Steady

Ranked #25 of 26 articles by views in international journal of food properties

Most read Least read

Bar heights use a square-root scale.

Mint this article as an NFT
Not yet minted

Create a permanent, verifiable on-chain record of this article on the Scimatic Network. The NFT is held in your Journament account, and you can withdraw it to your own wallet at any time.

5 SUSD one-off · no wallet required
Sign in to mint
Abstract

Konten internet dapat berupa pornografi atau jebakan pornografi dengan tujuan
korban anak di bawah umur. Tahun 2010 sebesar 97% remaja pernah mengakses
content pronografi, dimana hal terebut berpengaruh negatif terhadap perkembangan
anak dan remaja. Dengan demikian akses terhadap pornografi oleh anak perlu dijaga.
Beberapa penelitian telah menghasilkan aplikasi pendeteksi pornografi dengan
berbagai metode, seperti model warna YCbCr, shape descriptor yang saling mandiri.
Dalam tulisan ini kami menyajikan klasifikasi citra porno dengan menggunakan
algoritma C 4.5 dan Shape descriptor berbasis model warna YCbCr. Klasifikasi dengan
C 4.5 merupakan tambahan metode perbaikan pada Shape Descriptor dan model warna
YCbCr dan di harapkan dapat secara presisi mengklasifikasikan citra porno dan bukan.
Hasil dari percobaan terhadap 40 citra 8 bit dengan dimensi 256X256 yang terbagi
menjadi citra porno, berbikini, mug shots dan non-porno, metode di atas dapat
mengklasifikasikan True Positives (TP) 16, False Positives (FP) 10, False Negatives (FN) 4,
True Negatives (TN) 10 dengan akurasi 65%, error rate 35%, precision 0,615, recall 0,8 serta
nilai Root Mean Squared Error (RMSE) 0,59.Semakin banyak data training semakin akurat
hasil dari testingnya, walaupun dalam beberapa kasus metode di atas belum akurat dan
hanya mengenail 3 dari 10 citra mug shots atau sebesar 43%.


Kata Kunci: c 4.5, shape descriptor, model warna ycbcr, citra pornografi

Reference Key
ariyanto2016techno.comklasifikasi Use this key to autocite in the manuscript while using SciMatic Manuscript Manager or Thesis Manager
Authors ;Erwin Rizki Ariyanto;- Wijanarto;- Sudaryanto
Journal international journal of food properties
Year 2016
DOI
DOI not found
URL
http://publikasi.dinus.ac.id/index.php/technoc/article/view/1141
Keywords
Information technology

Citations

No citations found. To add a citation, contact the admin at info@scimatic.org

Comments

No comments yet. Be the first to comment on this article.