Abstrak
Tujuan dari percobaan ini adalah untuk memanfaatkan spektroskopi Fourier transform infrared (FTIR) attenuated total reflection (ATR) untuk diskriminasi berbagai jenis rambut, karena banyak penelitian telah membuktikan kemanjurannya dalam klasifikasi zat. Dalam penelitian ini, spektroskopi ATR-FTIR digunakan untuk menganalisis rambut kulit kepala, rambut kemaluan, dan rambut ketiak dari subjek manusia. Selain itu, model pembelajaran mesin diintegrasikan untuk membedakan antara rambut yang berasal dari daerah tubuh yang berbeda. Karena kondisi pengambilan sampel yang terbatas, kami hanya memilih sampel dari orang Tionghoa yang telah tinggal di Shanghai dan daerah sekitarnya untuk waktu yang lama untuk melakukan percobaan. Kami mengembangkan analisis diskriminan kuadrat terkecil parsial (PLS-DA), hutan acak (RF), dan model klasifikasi mesin vektor pendukung (SVM) dan membandingkan kinerja mereka dalam identifikasi. Hasilnya menunjukkan bahwa model SVM memiliki hasil identifikasi terbaik dengan akurasi 90,37%, recall 90,37%, dan presisi 90,38%. Studi pendahuluan ini menunjukkan bahwa spektroskopi ATR-FTIR yang dikombinasikan dengan SVM dapat menjadi alat bantu yang efektif dan menjanjikan dalam membantu identifikasi rambut di berbagai bagian tubuh manusia. Metode ini tidak merusak, cepat, dan akurat, serta tidak memerlukan proses persiapan sampel, yang membuatnya menjanjikan dalam bidang ilmu forensik. Selain itu, kami menemukan bahwa perbedaan zat utama yang berkontribusi pada perbedaan yang baik antara rambut diekspresikan dalam amida I, diikuti oleh amida III dan deformasi CH.