DETEKSI NIPPLE UNTUK IDENTIFIKASI KONTEN NEGATIF PADA CITRA DIGITAL

DENNY HARDIYANTO, Hanung Adi Nugroho, S.T., M.E., Ph.D.

2016 | Tesis | S2 Teknik Elektro

Pada era tahun 2000-an, perkembangan teknologi internet maju begitu pesat, segala bentuk informasi tersedia di internet. Tetapi kecenderungan terhadap akses internet yang bebas menyebabkan dampak buruk di kalangan masyarakat. Hal itu disebabkan maraknya informasi yang mengandung konten negatif (pornografi). Pornografi adalah konten-konten yang mengandung unsur SARA (Suku, Agama, Ras, dan Antargolongan) serta dilarang oleh pemerintah Indonesia karena dapat mempengaruhi perkembangan mental, sosial, dan moral serta aspek kehidupan masyarakat. Tujuan dari penelitian ini adalah mengembangkan sistem penapis konten negatif berbasis deteksi bagian vital tubuh (puting payudara). Metode yang digunakan adalah pelatihan Haar-Cascade Classifier dengan menggunakan 1000 data citra positif (berkonten puting) dan 8500 data citra negatif (tidak mengandung konten puting). Namun sebelum itu dilakukan deteksi wajah untuk mengurangi kesalahan deteksi (false positive) pada area wajah. Tahapan ekstraksi ciri menggunakan 84 atribut GLCM dan 12 atribut statistika warna pada objek kandidat puting. Selanjutnya dilakukan klasifikasi menggunakan MLP dengan arsitektur 10 neuron dan 1 layer tersembunyi. Hasil penelitian dengan menggunakan 160 data objek kandidat puting menunjukkan bahwa dengan menggunakan 12 atribut statistika warna menghasilkan nilai akurasi 90% dan sensitivitas 96,3% paling baik dibandingkan dengan 84 atribut GLCM maupun 96 atribut gabungan. Namun disisi konsumen, akan lebih memilih nilai spesifitas paling baik yaitu dengan menggunakan 84 atribut GLCM, nilai spesifisitas 87,34%. Hal ini dikarenakan konsumen akan marah apabila gambar bukan porno tetapi terklasifikasi porno dan diblokir oleh sistem. Apabila dibandingkan dengan metode konvensional menggunakan 27 data citra, diperoleh peningkatan akurasi 87% dan spesifisitas 94%.

In the era of the 2000s, the development of internet technology is advancing so rapidly, any information available on the internet. However, the tendency towards free internet access causing adverse impacts on society. This was due to many information that available on the internet contain negative content (pornography). Pornography was contents that contain elements of SARA (Suku, Agama, Ras, dan Antargolongan) and it was banned by the Indonesian government because it can influence the mental, social, and moral of Indonesian society. The aim of this research was to develop a system of negative content filtering based on detection of body vital parts (nipple detection). In this research, researcher used 1000 positive images (nipple images) and 8500 negative images (background images) for training using Haar-Cascade Classifier. Before that, face detection method was added to decrease misclassify (false positive) detection in the face area. Feature extraction process using 84 attributes of GLCM and 12 attributes of statistical color on the nipple candidate object. Furthermore, MLP was used to classify the candidate object with 10 neurons and single hidden layer for the MLP architecture. The results using the 160 candidate nipple images show that using 12 features of statistical color produces better value with the accuracy of 90% and sensitivity of 96.3% compared with 84 GLCM features and 96 all features. However from the consumer side, they would prefer to choose the best specificity value by using 84 attributes of GLCM with specificity value of 87.34%. This happens because consumer will be angry if the non-porn image was classified as pornographic image and it was blocked by the system. If the proposed method was compared with the old method using 27 images, obtained an increase accuracy value of 87% and specificity value of 94%.

Kata Kunci : Konten negatif, pornografi, puting payudara , Cascade Classifier, MLP/Negative content, porn, nipple, Cascade Classifier, MLP