INDENTIFIKASI JENIS KULIT WAJAH BERDASARKAN TEKSTUR DENGAN METODE GLCM MENGGUNAKAN ALGORITME KNEAREST NEIGHBOR BERBASIS FORWARD SELECTION

ZACKY ANGGIANTO ZEBUA and ARDI RAHMADANI and IMANUELLA MENTARI SITOHANG (2022) INDENTIFIKASI JENIS KULIT WAJAH BERDASARKAN TEKSTUR DENGAN METODE GLCM MENGGUNAKAN ALGORITME KNEAREST NEIGHBOR BERBASIS FORWARD SELECTION. Undergraduate (S-1) thesis, Universitas Mikroskil.

[thumbnail of BAGIAN AWAL.pdf] Text
BAGIAN AWAL.pdf

Download (7MB)
[thumbnail of BAB I.pdf] Text
BAB I.pdf

Download (1MB)
[thumbnail of BAB II.pdf] Text
BAB II.pdf

Download (12MB)
[thumbnail of BAB III.pdf] Text
BAB III.pdf
Restricted to Registered users only

Download (18MB)
[thumbnail of BAGIAN AKHIR.pdf] Text
BAGIAN AKHIR.pdf

Download (1MB)

Abstract

Wajah merupakan anggota tubuh yang menjadi daya tarik bagi lawan jenis. Namun wajah juga sering mengalami masalah dalam perawatanya yaitu kulit. Kulit wajah manusia memiliki banyak jenis sehingga perawatan yang dilakukan juga berbeda. Masalah terkait tidak mudahnya menentukan jenis kulit wajah inilah yang selanjutnya akan dibangun suatu program deteksi jenis kulit wajah. Penelitian menggunakan metode Gray Level Co-occurrence Matrix (GLCM) kombinasi dengan Algoritme K-Nearest Neighbor (KNN) dan Forward Selection. Proses ini bekerja dengan melakukan klasifikasi citra terlebih dahulu untuk menyiapkan data, dan dilanjutkan dengan preprocessing dan ekstrasi ciri. Pada proses ekstrasi ciri digunakan metode GLCM dan pada proses klasifikasi digunakan KNN. Adapun jenis kulit yang akan diklasifikasikan yaitu kulit Normal, Kering dan Berminyak. Pengujian ini digunakan 150 sample citra sebagai data training dan 30 citra sebagai data testing dengan ukuran citra image 256 x 256 pixel. Pengujian ini menggunakan parameter k = 3 dengan tingkat akurasi 97 %. Pada hasilnya disimpulkan bahwa nilai parameter K sangat berpengaruh terhadap nilai accuracy yang dimana dengan pengujian sebanyak 10 kali, semakin banyak nilai K maka menghasilkan dimensionalitas yang luas dan mengurangi tingkat accuracy.

Item Type: Tugas Akhir / Tesis (Undergraduate (S-1))
Subjects: Teknik Informatika
Divisions: Fakultas Informatika > Program Studi S-1 Teknik Informatika
Depositing User: Adi Kurniawan
Date Deposited: 03 Dec 2022 07:16
Last Modified: 15 Dec 2022 09:36
URI: https://repository.mikroskil.ac.id/id/eprint/136

Actions (login required)

View Item
View Item