SISTEM IDENTIFIKASI JENIS KULIT WAJAH UNTUK REKOMENDASI BAHAN AKTIF SUNSCREEN

Ardianto, Danny Putra (2026) SISTEM IDENTIFIKASI JENIS KULIT WAJAH UNTUK REKOMENDASI BAHAN AKTIF SUNSCREEN. Undergraduate thesis, Universitas Nusantara PGRI Kediri.

	Text (Full text) RAMA_55201_2213020230.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (5MB) | Request a copy
	Text (Similarity) RAMA_55201_2213020230_SIMILARITY.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (667kB)
	Text (Cover sd BAB 1 + References) RAMA_55201_2213020230_0701107802_0721109801_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (974kB)
	Text (BAB 2) RAMA_55201_2213020230_0701107802_0721109801_02.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (602kB) | Request a copy
	Text (BAB 3) RAMA_55201_2213020230_0701107802_0721109801_03.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (972kB) | Request a copy
	Text (BAB 4) RAMA_55201_2213020230_0701107802_0721109801_04.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (671kB) | Request a copy
	Text (BAB 5) RAMA_55201_2213020230_0701107802_0721109801_05.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (75kB) | Request a copy
	Text (References) RAMA_55201_2213020230_0701107802_0721109801_06_ref.pdf - Bibliography Available under License Creative Commons Public Domain Dedication. Download (137kB)
	Text (Lampiran) RAMA_55201_2213020230_0701107802_0721109801_07_lamp.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (2MB) | Request a copy

Abstract

Penelitian ini dilatarbelakangi oleh masih banyaknya masyarakat yang mengalami kesulitan dalam mengenali jenis kulit wajah secara objektif sehingga sering terjadi kesalahan dalam memilih kandungan bahan aktif sunscreen yang sesuai. Selain itu, belum tersedia sistem yang mengintegrasikan identifikasi jenis kulit wajah dengan rekomendasi bahan aktif sunscreen secara otomatis. Penelitian ini bertujuan membangun sistem berbasis web yang mampu mengidentifikasi jenis kulit wajah sekaligus memberikan rekomendasi bahan aktif sunscreen yang sesuai. Sistem dikembangkan menggunakan Convolutional Neural Network (CNN) dengan arsitektur ResNet50 untuk mengklasifikasikan empat jenis kulit wajah, yaitu normal, kering, berminyak, dan berjerawat. Hasil klasifikasi kemudian diproses menggunakan metode Simple Additive Weighting (SAW) untuk menentukan rekomendasi bahan aktif sunscreen. Dataset citra wajah diperoleh dari Kaggle dan Roboflow, sedangkan data bahan aktif sunscreen disusun berdasarkan studi literatur. Hasil penelitian menunjukkan bahwa model ResNet50 mampu mengidentifikasi jenis kulit wajah dengan akurasi 90,24%, serta memperoleh nilai macro precision, macro recall, dan macro F1-score sebesar 90%. Metode SAW berhasil menghasilkan rekomendasi bahan aktif sunscreen yang sesuai. Sistem diimplementasikan dalam bentuk website berbasis Python dan diuji menggunakan Black Box Testing, confusion matrix, akurasi, presisi, recall, dan F1-score. Berdasarkan pengujian terhadap 40 citra wajah, sistem berhasil mengklasifikasikan 28 citra dengan benar dan 12 citra mengalami kesalahan klasifikasi sehingga memperoleh tingkat akurasi 70% pada implementasi website. Kategori kulit berjerawat menunjukkan tingkat ketepatan 100%, sedangkan kategori kulit normal, kering, dan berminyak masing-masing memperoleh tingkat ketepatan 60%. Hasil pengujian menunjukkan seluruh fungsi sistem berjalan dengan baik sehingga sistem dapat membantu pengguna memperoleh rekomendasi bahan aktif sunscreen yang lebih tepat.

Actions (login required)

View Item