Ekstraksi Ciri Pada Klasifikasi Tipe Kulit Wajah Menggunakan Metode Gray Level Co-Occurrence Matrix
| Main Author: | Dwi Putra Miskarana Ade, Nanda |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2020
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/id/eprint/193951/1/Nanda%20Dwi%20Putra%20Miskarana%20Ade.pdf http://repository.ub.ac.id/id/eprint/193951/ |
Daftar Isi:
- Kulit merupakan bagian terluar dari tubuh yang juga dapat mencerminkan kecantikan dari pemiliknya terkhusus kulit wajah. Kulit wajah terdiri dari beberapa tipe seperti kulit berminyak dan tidak berminyak, dengan mengetahui tipe kulit wajah dapat ditentukan produk kecantikan sesuai dengan tipe kulit wajah. Namun terdapat kesulitan dalam menentukan tipe kulit wajah karena kondisi kulit yang berubah-ubah karena faktor cuaca oleh karena itu diperlukan sistem yang dapat menentukan tipe kulit wajah menggunakan analisis tekstur kulit. Pada penelitian ini digunakan metode Gray level Co-occurrence Matrix (GLCM) untuk mendapatkan fitur-fitur yang dapat mencirikan jenis kulit wajah karena terbukti metode GLCM dapat menghasilkan fitur yang lebih handal dari pada menggunakan Histogram karena mempertimbangkan piksel tetangganya, kemudian dengan menggunakan fitur-fitur tersebut ditentukan tipe dari kulit wajah dengan menggunakan metode Support Vector Machine (SVM). Pada skenario pengujian dilakukan variasi dalam melakukan ekstraksi ciri menggunakan metode GLCM berupa variasi arah dan jarak. Kemudian dihitung nilai akurasi dari sistem dalam menentukan jenis kulit ke dalam kelas berminyak atau tidak berminyak. Dari eksplorasi yang dilakukan oleh penulis, sistem dapat menentukan jenis kulit ke dalam kelas berminyak dan tidak berminyak dengan akurasi maksimal sebesar 84,6%, hasil tersebut diperoleh dengan menggunakan jarak ketetanggaan sebesar 2 dengan arah ketetanggaan 90o dan menggunakan fitur berupa Angular Second Moment (ASM), Homogeneity, Contrast dan Correlation dengan menggunakan metode klasifikasi SVM dengan kernel RBF