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: | |
| 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/ |
Daftar Isi:
- 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.