BAB VI KESIMPULA& dan SARA& 6. Kesimpulan dan Saran Pada bab ini dijelaskan mengenai kesimpulan yang didapat setelah melakukan serangkaian uji coba. Dalam bab ini pula dijelaskan mengenai saran pengembangan perangkat lunak lebih lanjut. 6.1. KESIMPULA& Dari uji coba dan hasil pengujian terhadap sistem identifikasi gambar pornografi dengan teknik image retrieval ini dapat diambil beberapa kesimpulan, antara lain : a). Sistem identifikasi gambar pornografi ini terbukti berhasil melakukan identifikasi gambar pornografi maupun gambar non pornografi. Hal ini dapat dilihat dari tingkat detection rate-nya atau DR yang mencapai 94 % untuk deteksi gambar pornografi. Dan 89 % untuk deteksi gambar non pornografi. Nilai paling optimum dalam identifikasi ini adalah dengan Tad = 10 dan nilai g = 50 b). Pergeseran nilai Tad mempengaruhi pengidentifikasian gambar. Dengan semakin besar nilai Tad maka DR untuk deteksi gambar pornografi semakin kecil, sedangkan DR untuk deteksi gambar non pornografi justru semakin optimal. Artinya dengan kata lain batasan gambar yang dianggap sebagai gambar pornografi semakin longgar. Sehingga jika digunakan dalam aplikasi browser, maka nilai Tad dapat di ubah-ubah untuk menyesuaikan user yang menggunakan. Jika usernya anak-anak, maka nilai Tad perlu disesuaikan menjadi lebih kecil. Sedangkan untuk user dewasa nilai Tad dapat lebih besar. c). Untuk pengaruh masing-masing descriptor pada identifikasi gambar dengan teknik image retrieval ini juga sama pentingnya. Yakni antara fitur scalable color descriptor 127
128 (SCD) dan edge histogram descriptor (EHD) mempunyai pengaruh yang sama-sama signifikan dalam identifikasi. Sedangkan fitur compactness descriptor (CD) semakin menambah tingkat keakuratan identifikasi. d). Kesulitan dihadapi ketika mengidentifikasi gambar yang mempunyai kemiripan dengan warna kulit. Misalnya ada latar belakang gambar yang warnanya menyerupai warna kulit, maka akan dianggap sebagai skin-pixel sehingga akhirnya hasil identifikasinya juga kurang begitu baik. Karena dianggap latar belakang itu adalah obyek manusia.
6.2. SARA& Saran untuk pengembangan selanjutnya dari pengenalan wajah ini, antara lain : a). Diharapkan ada percobaan dengan data gambar yang lebih kompleks dan lebih mewakili keadaan di dunia maya. Sehingga tingkat deteksinya juga semakin akurat. b). Hendaknya hasil tugas akhir ini bisa dikembangkan lebih lanjut dalam identifikasi gambar pornografi pada internet. Bisa dimasukkan dalam browser internet. Memungkinkan dalam pemrograman plugin atau add in pada browser. c). Dengan adanya nilai Tad yang bisa diubah-ubah sehingga bisa lebih mudah memberikan batasan pornografi. Semakin besar nilai Tad, maka batasan pornografi juga semakin longgar. Jika diimplementasikan dalam browser bisa lebih mengatur batasan untuk anak-anak dan orang dewasa.
DAFTAR PUSTAKA [1]
Agushinta R, Dewi. Pengenalan Wajah Sebagai Bagian dari Pengenalan Biometrik. Jurusan Teknologi Informasi/ Ilmu Komputer, Universitas Gunadarma
[2]
Gonzalez, R.C., Woods, R.E., 2002. Digital Image Processing, second editon.Prentice Hall
[3]
Gonzalez, R.C., 2002. Digital Image Processing Using Matlab, Prentice Hall
[4]
Manjunath, B.S., Jens-Rainer Ohm, Vinod V. Vasudevan, dan Akio Yamada, “Color and Texture Descriptors”, IEEE Transactions on Circuits and Systems for Video Technology, vol. 11, no. 6. Juni 2001 703
[5]
Murinto, Eko Aribowo, Wahyu Nurhidayat. Deteksi Jenis Warna Kulit Wajah untuk Klasifikasi Ras Manusia Menggunakan Transformasi Warna. Program Studi Teknik Informatika Universitas Ahmad Dahlan Jogjakarta
[6]
Saragih, Riko Arlando. Pengenalan Wajah Menggunakan Metode Fisherface. Jurusan Teknik Elektro Universitas Kristen Maranatha Bandung
[7]
Shao, Wenbin, “Automatic Annotation of Digital Photos”, School of Electrical, Computer and Telecommunications Engineering, University of Wollongong
[8]
Shih, Jau-Ling, Lee, Chang-Sing dan Yang, ChangShen., “An adult Image Identification System Employing Image retrieval Technique”, Science Direct Pattern Recognition Letter 28, 15 Agustus 2007
[9]
Solichah A., Adhatus. 2009. Implementasi Segmentasi Citra Bibir Berwarna Menggunakan Spatial Fuzzy
129
130 Clustering. Jurusan Teknik Informatika Institut Teknologi Sepuluh Nopember. Surabaya. [10]
Won, Chee Sun, “Using Edge histogram descriptor of MPEG-7 for The Measurement of Image Quality and Modifications”. Dept of Electronic Engineering, Dongguk University 3-26 Pil-dong, Chung-Ku Seoul, 100-715, South Korea
[11]
http://en.wikipedia.org/wiki/Binary_image
[12]
http://en.wikipedia.org/wiki/HSL_color_space
[13]
http://romisatriawahono.net/2008/04/02/kupastuntas-pornografi-di-internet/
[14]
http://www.chiariglione.org/mpeg/standards/mpeg7/mpeg-7.htm#E9E3
BIODATA PE&ULIS
Fatihul Fuadi, begitu nama lengkapnya, biasa dipanggil Fatih atau Fatik. Menempuh pendidikan dasar di kota Lumajang sebelum akhirnya belajar di Teknik Informatika Institut Teknologi Sepuluh Nopember mulai tahun 2004. Di salah satu perguran tinggi negeri di Surabaya ini, penulis mengambil bidang minat Intellegent Business System atau biasa disingkat IBS dengan lebih khusus mendalami pattern recognition dan image processing. Selama menjalani perkuliahan di Fakultas Teknologi Informasi ini, penulis pernah menjadi asisten mata kuliah bidang software engineering atau Rekayasa Perangkat Lunak (RPL) pada tahun keempat kuliah. Diantaranya adalah mata kuliah Analisis dan Desain Terstruktur (ADT) serta Analisis dan Desain Berorientasi Obyek (ADBO). Selain itu selama kuliah, pernah mendapatkan beasiswa PPSDMS Nurul Fikri. Tidak hanya bidang akademis, penulis juga aktif pada organisasi kemahasiswaan. Tercatat, penulis pernah menjadi staf kewirausahaan di Himpunan Mahasiswa Teknik ComputerInformatika (HMTC) serta Studi Islam Teknik ComputerInformatika (SITC) sebagai wakil ketua. Juga didaulat menjadi Presiden Ikatan Mahasiswa Lumajang di Surabaya (IMAJAYA) pada tahun ketiga kuliah. Untuk beraudiensi dengan penulis, cukup mengirim email pada alamat
[email protected].
131
