Klasifikasi Citra Kulit Wajah Menggunakan Metode Naïve Bayes Berbasis Android

Kania Putri Alaska, Indrawati Indrawati, Hari Toha Hidayat

Sari


Perkembangan teknologi yang sangat pesat di era globalisasi saat ini telah memberikan banyak manfaat dalam kemajuan diberbagai aspek sosial. Penggunaan teknologi oleh manusia dalam membantu menyelesaikan pekerjaan merupakan hal yang menjadi keharusan dalam kehidupan. Selama ini masih banyak masyarakat yang kurang pengetahuan mengenai jenis kulit wajahnya. Pada penelitian ini yang dilakukan didalam sistem dimulai dengan menginput citra kulit wajah lalu dikonversikan dari RGB ke Grayscale dan baru dilakukan ektraksi ciri untuk mendapatkan nilai dari masing-masing citra kulit wajah normal, berminyak dan kering. Nilai ciri tersebut kemudian di klasifikasikan dengan metode Naïve Bayes. Metode Naïve Bayes akan menentukan kulit yang normal, keing dan berminyak dengan seberapa besar kecocokan data yang diuji dengan training. Dari 20 data citra kulit wajah uji terdapat 17 citra yang berhasil mengklasifikasi, sehingga tingkat keberhasilan system dalam mengklasifikasi adalah sebesar 85%. Berdasarkan hasil tersebut, maka dapat disimpulkan bahwa sistem ini mampu menentukan kulit normal, kering dan berminyak

Abstract

The very rapid development of technology in the current era of globalization has provided many benefits in progress in various social aspects. The use of technology by humans to help complete work is a necessity in life. So far, there are still many people who lack knowledge about the type of facial skin. In this research, which was carried out in the system, it was started by inputting the facial skin image and then it was converted from RGB to Grayscale and then the feature extraction was carried out to get the value of each image of normal, oily and dry facial skin. The characteristic values are then classified using the Naïve Bayes method. The Naïve Bayes method will determine normal, dry and oily skin by how much it matches the data tested with training. Of the 20 test facial skin image data, 17 images were successfully classified, so the success rate of the system in classifying was 85%. Based on these results, it can be concluded that this system is able to determine normal, dry and oily skin.


Teks Lengkap:

PDF

Referensi


M. R. Farhan, A. W. Widodo, and M. A. Rahman, “Ekstraksi Ciri Pada Klasifikasi Tipe Kulit Wajah Menggunakan Metode Haar Wavelet,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 3, no. 3, pp. 2903–2909, 2019.

R. Wijanarko and N. Eko, “Deteksi Wajah Berbasis Segmentasi Warna Kulit Menggunakan Ruang Warna Ycbcr & Template Matching,” Cendekia Eksata, vol. 2, no. 1, pp. 1–6, 2017.

W. I. Praseptiyana, A. W. Widodo, and M. A. Rahman, “Pemanfaatan Ciri Gray Level Co-[1] M. R. Farhan, A. W. Widodo, and M. A. Rahman, “Ekstraksi Ciri Pada Klasifikasi Tipe Kulit Wajah Menggunakan Metode Haar Wavelet,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 3, no. 3, pp. 2903–2909, 2019.

R. Wijanarko and N. Eko, “Deteksi Wajah Berbasis Segmentasi Warna Kulit Menggunakan Ruang Warna Ycbcr & Template Matching,” Cendekia Eksata, vol. 2, no. 1, pp. 1–6, 2017.

W. I. Praseptiyana, A. W. Widodo, and M. A. Rahman, “Pemanfaatan Ciri Gray Level Co-occurrence Matrix ( GLCM ) Untuk Deteksi Melasma Pada Citra Wajah,” vol. 3, no. 11, pp. 10402–10409, 2019.

A. Hidayatno, U. Diponegoro, R. Isnanto, and U. Diponegoro, “Penentuan Wilayah Wajah Manusia Pada Citra Berwarna Berdasarkan Warna Kulit Dengan Metode Template Matching,” Maj. Ilm. Tek. Elektro, vol. 5, no. 2, 2012.

T. R. Effendi, N. Fadillah, P. Studi, T. Informatika, and U. Samudra, “Ekstraksi Karakteristik Wajah Manusia Dengan Transformasi Warna YCbCr,” vol. 11, no. 3, pp. 328–335, 2019




DOI: http://dx.doi.org/10.30811/jaise.v1i1.2217

Refbacks

  • Saat ini tidak ada refbacks.


 

 

 

 

 

Creative Commons License
Journal of Artificial Intelligence and Software Engineering (JAISE) licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.