IDENTIFIKASI JENSI KULIT WAJAH BERBASIS DEEP LEARNING MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

Wisnu Dwi Cahya, NIM. 162021031 (2025) IDENTIFIKASI JENSI KULIT WAJAH BERBASIS DEEP LEARNING MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN). Skripsi thesis, Universitas Muhammadiyah Palembang.

[img]
Preview
Text
162021031_BAB I_DAFTAR PUSTAKA (1).pdf

Download (1MB) | Preview
[img] Text
162021031_BAB II.pdf
Restricted to Repository staff only

Download (403kB)
[img] Text
162021031_BAB III.pdf
Restricted to Repository staff only

Download (427kB)
[img] Text
162021031_BAB IV.pdf
Restricted to Repository staff only

Download (1MB)
[img] Text
162021031_BAB V.pdf
Restricted to Repository staff only

Download (165kB)
[img] Text
162021031_DAFTAR PUSTAKA.pdf
Restricted to Repository staff only

Download (208kB)
[img] Text
162021031_LAMPIRAN.pdf
Restricted to Repository staff only

Download (212kB)
[img] Text
162021031_COVER_SAMPAI_LAMPIRAN.pdf
Restricted to Repository staff only

Download (8MB)

Abstract

Identifikasi jenis kulit wajah merupakan aspek penting dalam perawatan kulit, karena setiap jenis kulit memiliki kebutuhan yang berbeda dalam pemilihan produk dan perawatan yang tepat. Penelitian ini bertujuan untuk mengembangkan model identifikasi jenis kulit wajah berbasis deep learning menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2. Dataset yang digunakan terdiri dari tiga kategori jenis kulit, yaitu kering, normal, dan berminyak, yang dikumpulkan dari platform Kaggle. Proses pelatihan model dilakukan dengan menerapkan teknik preprocessing seperti augmentasi data dan resizing untuk meningkatkan performa model. Hasil evaluasi menunjukkan bahwa model yang dikembangkan mencapai akurasi sebesar 90% dalam mengklasifikasikan jenis kulit wajah. Berdasarkan confusion matrix, model menghasilkan akurasi sebesar 90%, presisi 90%, recall 90%, dan F1 score 90%. Model ini diharapkan dapat memberikan solusi otomatis bagi individu yang ingin mengetahui jenis kulit wajah mereka dengan lebih akurat dan efisien melalui analisis citra.

Item Type: Thesis (Skripsi)
Additional Information: Pembimbing: 1. Ir. Zulhipni Reno Saputra Elsi, S.T., M.Kom 2. Karnadi, S.Kom., M.Kom
Uncontrolled Keywords: Kata Kunci: jenis kulit wajah, deep learning, Convolutional Neural Network, MobileNetV2, preprocessing
Subjects: Teknologi informasi > Arsip data
Teknologi informasi > pangkalan data
Teknologi informasi > pemrograman
Teknologi informasi > perangkat lunak
Teknologi informasi > program
Divisions: Fakultas Teknik > Teknologi Informasi (S1)
Depositing User: Mahasiswa Fakultas Teknik
Date Deposited: 10 May 2025 06:42
Last Modified: 10 May 2025 06:42
URI: http://repository.um-palembang.ac.id/id/eprint/30629

Actions (login required)

View Item View Item

is powered by EPrints 3 which is developed by the School of Electronics and Computer Science at the University of Southampton. More information and software credits.