LESTARI, Dita Putri (2025) KLASIFIKASI CITRA JENIS KULIT WAJAH DENGAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) MOBILENETV2. Bachelor thesis, UNIVERSITAS PERADABAN.
![[img]](http://repository.peradaban.ac.id/style/images/fileicons/other.png) |
PDF (HALAMAN AWAL)
COVER-DITA PUTRI LESTARI-42421007-SKRIPSI-2025.pdf - Published Version Download (987kB) |
![[img]](http://repository.peradaban.ac.id/style/images/fileicons/text.png) |
Text (ABSTRAK)
ABSTRAK-DITA PUTRI LESTARI-42421007-SKRIPSI-2025.docx - Published Version Download (10kB) |
|
PDF (BAB I)
BAB I-DITA PUTRI LESTARI-42421007-SKRIPSI-2025.pdf - Published Version Restricted to Registered users only Download (384kB) |
|
PDF (BAB II)
BAB II-DITA PUTRI LESTARI-42421007-SKRIPSI-2025.pdf - Published Version Restricted to Registered users only Download (994kB) |
|
PDF (BAB III)
BAB III-DITA PUTRI LESTARI-42421007-SKRIPSI-2025.pdf - Published Version Restricted to Registered users only Download (400kB) |
|
PDF (BAB IV)
BAB IV-DITA PUTRI LESTARI-42421007-SKRIPSI-2025.pdf - Published Version Restricted to Registered users only Download (1MB) |
|
PDF (BAB V)
BAB V-DITA PUTRI LESTARI-42421007-SKRIPSI-2025.pdf - Published Version Download (329kB) |
|
PDF (DAFTAR PUSTAKA)
DAFTAR PUSTAKA-DITA PUTRI LESTARI-42421007-SKRIPSI-2025.pdf - Published Version Download (350kB) |
|
PDF (LAMPIRAN)
LAMPIRAN-DITA PUTRI LESTARI-42421007-SKRIPSI-2025.pdf - Published Version Restricted to Repository staff only Download (573kB) |
Abstract
Wajah adalah bagian tubuh yang paling terlihat dan paling sensitif, sehingga perawatan yang tepat harus disesuaikan dengan jenis kulit untuk menghindari masalah seperti jerawat, iritasi, atau kulit kering. Banyak orang masih kesulitan mengenali jenis kulit mereka secara benar. Penelitian ini bertujuan membuat sistem otomatis untuk mengklasifikasikan jenis kulit wajah dengan menggunakan jaringan saraf tiruan Convolutional Neural Network (CNN) berbasis arsitektur MobileNetV2. Dataset yang digunakan terdiri dari 500 citra wajah dengan format RGB, yang dibagi ke dalam 5 kategori: berminyak, kering, normal, sensitif, dan kombinasi. Data diperoleh dari sumber Kaggle dan Roboflow. Proses penelitian mencakup tahap pra-pemrosesan data (mengubah ukuran gambar menjadi 224x224 piksel dan mendeteksi area wajah berdasarkan skala warna HSV), membagi dataset menjadi 70% untuk pelatihan, 15% validasi, dan 15% pengujian, melakukan augmentasi data (rotasi, zoom, dan flip horizontal), membangun model dengan metode transfer learning menggunakan MobileNetV2, serta mengevaluasi hasil dengan menggunakan confusion matrix. Hasil yang dicapai menunjukkan akurasi keseluruhan sebesar 88%, dengan nilai precision, recall, dan F1-score masing- masing mencapai 89%, 88%, dan 88%. Kelas Kombinasi menunjukkan performa terbaik dengan recall 100%, sedangkan kelas Kering memiliki recall terendah sebesar 67%. Sistem ini dirancang menggunakan Flask, sehingga pengguna bisa mengunggah gambar dan melihat hasil klasifikasi secara langsung. Penelitian ini membuktikan bahwa MobileNetV2 sangat efektif dan efisien dalam mengklasifikasikan jenis kulit wajah. Sistem ini juga bisa menjadi solusi praktis bagi masyarakat untuk mengetahui jenis kulit secara akurat dan memilih produk perawatan yang tepat tanpa perlu mengunjungi ahli.
| Item Type: | Thesis (Bachelor) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
|||||||||
| Uncontrolled Keywords: | Klasifikasi Jenis Kulit, Convolutional Neural Network (CNN), MobileNetV2, Pengolahan Citra, Deep Learning | |||||||||
| Subjects: | 000 Ilmu Komputer, Informasi dan Karya Umum > 000 Ilmu Umum; Ilmu Komputer dan Informasi > 006-Metode Komputer Tertentu > Kecerdasan Buatan;Sistem Pakar; Neural Network; Data Mining; Machine learning; Computer Vision; Pengolahan Citra | |||||||||
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Informatika - S1 | |||||||||
| Depositing User: | S.E. Khozin Khozin | |||||||||
| Date Deposited: | 11 Mar 2026 02:16 | |||||||||
| Last Modified: | 11 Mar 2026 02:16 | |||||||||
| URI: | http://repository.peradaban.ac.id/id/eprint/2374 |
Actions (login required)
 |
View Item |