ABSTRAK
Solusi pengelolaan jenis kelamin secara umum merupakan bagian penting dalam bidang forensik yang bertujuan membantu proses identifikasi korban atau pelaku tindak kriminal. Salah satu pendekatan yang mulai berkembang adalah dengan menganalisis pola gigitan atau bitemark, yang dianggap memiliki ciri khas yang berbeda antara laki-laki dan perempuan. Penelitian ini dilatarbelakangi oleh keterbatasan metode konvensional dalam mengidentifikasi jenis kelamin secara cepat dan efisien, terutama ketika kondisi fisik korban tidak memungkinkan untuk dilakukan identifikasi biometrik biasa. Solusi yang ditawarkan adalah penerapan teknologi pengenalan citra menggunakan model deep learning berbasis YOLOv8 yang diintegrasikan dalam sistem aplikasi web berbasis Python.
Sistem ini menerima masukan berupa gambar bitemark, kemudian memprosesnya melalui tahapan klasifikasi untuk menentukan jenis kelamin. Pengembangan sistem mencakup pelatihan model menggunakan dataset gambar gigitan yang telah dilabeli sebanyak 80 gambar, optimasi model agar dapat berjalan di lingkungan Python, serta pembuatan antarmuka berbasis web sehingga memudahkan pengguna dalam melakukan identifikasi secara real-time.
Hasil uji coba menunjukkan bahwa sistem mampu mengklasifikasikan jenis kelamin dengan akurasi sebesar 75,00% pada data uji sebanyak 44 gambar.Selain itu, integrasi dengan aplikasi web memberikan kelebihan dalam hal portabilitas dan efisiensi penggunaan. Penelitian ini diharapkan dapat menjadi tahapan awal dalam pengembangan sistem identifikasi forensik otomatis berbasis bitemark.
Kata Kunci : bitemark, forensik, CNN, jenis Kelamin, YOLOv8, Python, Image Processing
ABSTRACT
Solutions for determining gender are an important part of the forensic field, aiming to help in identifying victims or criminals. One approach that is starting to become more common is analyzing bite marks, which are believed to have unique characteristics that differ between males and females. This research was motivated by the limitations of traditional methods in quickly and efficiently identifying gender, especially when the physical condition of the victim makes standard biometric identification impossible.The proposed solution is using image recognition technology based on a deep learning model called YOLOv8, integrated into a web-based application built with Python.
The system accepts input in the form of bite mark images, processes them through a classification stage to determine the gender. The development of the system includes training the model using a labeled dataset of 80 bite mark images, optimizing the model to run in a Python environment, and creating a web-based interface to make it easier for users to perform real-time gender identification.
The test results showed that the system was able to classify gender with an accuracy of 75.00% using 44 test images. In addition, integrating the system with a web application provides advantages in terms of portability and efficiency. This research is hoped to be the first step in developing an automatic forensic identification system based on bite marks.
Keywords: Bitemark, Forensics, CNN, Genders, YOLOv8, Python, Image Processing