Cover Image

Implementasi Algoritma Support Vector Machine untuk Mengetahui Jenis Kulit Wajah

Main Author: Tri Utami, Marisa
Format: Thesis NonPeerReviewed application/pdf
Bahasa: eng
Terbitan: , 2019
Subjects:
T58.5-58.64 Information technology
Online Access: http://kc.umn.ac.id/10705/1/HALAMAN_AWAL.pdf
http://kc.umn.ac.id/10705/2/DAFTAR_PUSTAKA.pdf
http://kc.umn.ac.id/10705/3/BAB_I.pdf
http://kc.umn.ac.id/10705/4/BAB_II.pdf
http://kc.umn.ac.id/10705/5/BAB_III.pdf
http://kc.umn.ac.id/10705/6/BAB_IV.pdf
http://kc.umn.ac.id/10705/7/BAB_V.pdf
http://kc.umn.ac.id/10705/8/LAMPIRAN.pdf
http://kc.umn.ac.id/10705/
ctrlnum 10705
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://kc.umn.ac.id/10705/</relation><title>Implementasi Algoritma Support Vector Machine untuk Mengetahui Jenis Kulit Wajah</title><creator>Tri Utami, Marisa</creator><subject>T58.5-58.64 Information technology</subject><description>Masalah kulit yang sering dialami oleh masyarakat Indonesia tentunya membuat kesadaran terhadap perawatan kulit semakin tinggi. Untuk melakukan perawatan kulit wajah dibutuhkan perawatan yang menyesuaikan dengan jenis kulit wajah. Dalam memudahkan masyarakat untuk mengetahui jenis kulit wajah, dilakukan klasifikasi jenis kulit wajah berdasarkan citra kulit wajah yang diambil menggunakan mikroskop digital dengan pembesaran 60x. Berdasarkan dengan model klasifikasi yang telah dibuat, maka dibuatlah aplikasi yang dapat mengetahui jenis kulit wajah. Aplikasi dibuat menggunakan algoritma Support Vector Machine dengan bahasa pemrograman Python dan Framework Flask. Sebelum model klasifikasi dibuat, dilakukan tahap image preprocessing dengan melakukan grayscale terhadap citra masukan. Setelah dilakukan image preprocessing, dilakukan tahap ekstraksi fitur tekstur untuk mengetahui fitur yang dimiliki oleh citra. Ekstraksi fitur dilakukan dengan menggunakan enam fitur yang terbagi menjadi dua, yaitu parameter Ordo I dan parameter Ordo II. Pengukuran terhadap model klasifikasi hasil pelatihan dilakukan dengan menggunakan metric pengukuran F-score. Dari seluruh uji coba yang dilakukan, didapatkan hasil Precision 0,85, recall 0,85, akurasi 0,90, dan F-score 0,85 dengan menggunaan enam ekstraksi fitur, parameter C sebesar 120.000, dan parameter gamma sebesar 1.</description><date>2019</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><type>File:application/pdf</type><language>eng</language><identifier>http://kc.umn.ac.id/10705/1/HALAMAN_AWAL.pdf</identifier><type>File:application/pdf</type><language>eng</language><identifier>http://kc.umn.ac.id/10705/2/DAFTAR_PUSTAKA.pdf</identifier><type>File:application/pdf</type><language>eng</language><identifier>http://kc.umn.ac.id/10705/3/BAB_I.pdf</identifier><type>File:application/pdf</type><language>eng</language><identifier>http://kc.umn.ac.id/10705/4/BAB_II.pdf</identifier><type>File:application/pdf</type><language>eng</language><identifier>http://kc.umn.ac.id/10705/5/BAB_III.pdf</identifier><type>File:application/pdf</type><language>eng</language><identifier>http://kc.umn.ac.id/10705/6/BAB_IV.pdf</identifier><type>File:application/pdf</type><language>eng</language><identifier>http://kc.umn.ac.id/10705/7/BAB_V.pdf</identifier><type>File:application/pdf</type><language>eng</language><identifier>http://kc.umn.ac.id/10705/8/LAMPIRAN.pdf</identifier><identifier> Tri Utami, Marisa (2019) Implementasi Algoritma Support Vector Machine untuk Mengetahui Jenis Kulit Wajah. Bachelor Thesis thesis, Universitas Multimedia Nusantara. </identifier><recordID>10705</recordID></dc>
language eng
format Thesis:Thesis
Thesis
PeerReview:NonPeerReviewed
PeerReview
File:application/pdf
File
author Tri Utami, Marisa
title Implementasi Algoritma Support Vector Machine untuk Mengetahui Jenis Kulit Wajah
publishDate 2019
topic T58.5-58.64 Information technology
url http://kc.umn.ac.id/10705/1/HALAMAN_AWAL.pdf
http://kc.umn.ac.id/10705/2/DAFTAR_PUSTAKA.pdf
http://kc.umn.ac.id/10705/3/BAB_I.pdf
http://kc.umn.ac.id/10705/4/BAB_II.pdf
http://kc.umn.ac.id/10705/5/BAB_III.pdf
http://kc.umn.ac.id/10705/6/BAB_IV.pdf
http://kc.umn.ac.id/10705/7/BAB_V.pdf
http://kc.umn.ac.id/10705/8/LAMPIRAN.pdf
http://kc.umn.ac.id/10705/
contents Masalah kulit yang sering dialami oleh masyarakat Indonesia tentunya membuat kesadaran terhadap perawatan kulit semakin tinggi. Untuk melakukan perawatan kulit wajah dibutuhkan perawatan yang menyesuaikan dengan jenis kulit wajah. Dalam memudahkan masyarakat untuk mengetahui jenis kulit wajah, dilakukan klasifikasi jenis kulit wajah berdasarkan citra kulit wajah yang diambil menggunakan mikroskop digital dengan pembesaran 60x. Berdasarkan dengan model klasifikasi yang telah dibuat, maka dibuatlah aplikasi yang dapat mengetahui jenis kulit wajah. Aplikasi dibuat menggunakan algoritma Support Vector Machine dengan bahasa pemrograman Python dan Framework Flask. Sebelum model klasifikasi dibuat, dilakukan tahap image preprocessing dengan melakukan grayscale terhadap citra masukan. Setelah dilakukan image preprocessing, dilakukan tahap ekstraksi fitur tekstur untuk mengetahui fitur yang dimiliki oleh citra. Ekstraksi fitur dilakukan dengan menggunakan enam fitur yang terbagi menjadi dua, yaitu parameter Ordo I dan parameter Ordo II. Pengukuran terhadap model klasifikasi hasil pelatihan dilakukan dengan menggunakan metric pengukuran F-score. Dari seluruh uji coba yang dilakukan, didapatkan hasil Precision 0,85, recall 0,85, akurasi 0,90, dan F-score 0,85 dengan menggunaan enam ekstraksi fitur, parameter C sebesar 120.000, dan parameter gamma sebesar 1.
id IOS6965.10705
institution Universitas Multimedia Nusantara
institution_id 355
institution_type library:university
library
library Perpustakaan Universitas Multimedia Nusantara
library_id 306
collection Knowledge Center UMN
repository_id 6965
subject_area Business/Bisnis
Communication/Komunikasi
Art Apreciation/Apresiasi Seni
Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika
city TANGERANG
province BANTEN
shared_to_ipusnas_str 1
repoId IOS6965
first_indexed 2019-12-17T06:54:30Z
last_indexed 2019-12-17T06:54:30Z
recordtype dc
_version_ 1686477450027991040
score 17.538404

Lihat Juga