SISTEM KLASIFIKASI UNDERTONE KULIT MENGGUNAKAN EFFICIENTNETB0 BERBASIS CITRA PERGELANGAN TANGAN SEBAGAI DASAR REKOMENDASI SHADE FOUNDATION

Agustin, Lisa (2026) SISTEM KLASIFIKASI UNDERTONE KULIT MENGGUNAKAN EFFICIENTNETB0 BERBASIS CITRA PERGELANGAN TANGAN SEBAGAI DASAR REKOMENDASI SHADE FOUNDATION. Undergraduate thesis, Universitas Nusantara PGRI Kediri.

	Text (Full text) RAMA_55201_2213020186.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (3MB) | Request a copy
	Text (Similarity) RAMA_55201_2213020186_SIMILARITY.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (14MB)
	Text (Cover sd BAB 1 + References) RAMA_55201_2213020186_0708028704_0729088802_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (1MB)
	Text (BAB 2) RAMA_55201_2213020186_0708028704_0729088802_02.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (631kB) | Request a copy
	Text (BAB 3) RAMA_55201_2213020186_0708028704_0729088802_03.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (524kB) | Request a copy
	Text (BAB 4) RAMA_55201_2213020186_0708028704_0729088802_04.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (718kB) | Request a copy
	Text (BAB 5) RAMA_55201_2213020186_0708028704_0729088802_05.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (206kB) | Request a copy
	Text (References) RAMA_55201_2213020186_0708028704_0729088802_06_ref.pdf - Bibliography Available under License Creative Commons Public Domain Dedication. Download (177kB)
	Text (Lampiran) RAMA_55201_2213020186_0708028704_0729088802_07_lamp.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy

Abstract

Pemilihan shade foundation yang sesuai dengan warna dan karakteristik kulit merupakan salah satu faktor penting dalam menghasilkan tampilan riasan yang natural. Salah satu aspek yang digunakan dalam pemilihan foundation adalah undertone kulit, yaitu warna dasar kulit yang umumnya dikategorikan ke dalam tiga kelompok, yaitu cool, neutral, dan warm. Namun, proses identifikasi undertone kulit masih sering dilakukan secara manual berdasarkan pengamatan warna urat nadi pada pergelangan tangan, sehingga hasilnya cenderung subjektif dan dipengaruhi oleh kondisi pencahayaan maupun pengalaman pengguna. Permasalahan tersebut menyebabkan banyak pengguna mengalami kesulitan dalam menentukan shade foundation yang sesuai dengan undertone kulit yang dimiliki. Penelitian ini bertujuan untuk menerapkan metode Convolutional Neural Network (CNN) berbasis transfer learning menggunakan arsitektur EfficientNetB0 dalam mengklasifikasikan undertone kulit berdasarkan citra pergelangan tangan. Selain itu, penelitian ini juga bertujuan untuk mengukur dan menganalisis performa model dalam mengklasifikasikan undertone kulit, mengevaluasi pengaruh kualitas citra dan pencahayaan terhadap hasil klasifikasi, serta mengembangkan sistem berbasis web yang mampu memberikan rekomendasi shade foundation berdasarkan hasil klasifikasi undertone kulit. Metode yang digunakan dalam penelitian ini adalah deep learning dengan pendekatan transfer learning menggunakan model EfficientNetB0 yang telah dilatih sebelumnya pada dataset ImageNet. Dataset penelitian terdiri atas tiga kelas undertone, yaitu cool, neutral, dan warm. Data citra diperoleh melalui proses pengambilan gambar pergelangan tangan menggunakan kamera smartphone dengan pencahayaan alami. Sebelum dilakukan pelatihan model, citra melalui tahap preprocessing dan augmentasi data yang meliputi brightness adjustment, horizontal flipping, rotasi sebesar -10°, rotasi sebesar 10°, dan zoom. Dataset kemudian dibagi menjadi data training, validation, dan testing untuk proses pelatihan dan evaluasi model. Arsitektur model terdiri atas backbone EfficientNetB0, GlobalAveragePooling2D, Dense Layer, Dropout, dan Softmax sebagai lapisan klasifikasi akhir. Evaluasi model dilakukan menggunakan metrik accuracy, precision, recall, F1-score, serta confusion matrix. Hasil penelitian menunjukkan bahwa model EfficientNetB0 mampu melakukan klasifikasi undertone kulit ke dalam tiga kategori, yaitu cool, neutral, dan warm. Berdasarkan hasil pengujian diperoleh nilai training accuracy sebesar 63,87%, validation accuracy sebesar 52,22%, dan test accuracy sebesar 55,56%. Selain itu, model memperoleh nilai precision sebesar 0,53, recall sebesar 0,52, dan F1-score sebesar 0,52. Hasil confusion matrix menunjukkan bahwa model masih mengalami kesalahan klasifikasi antar kelas, khususnya pada kelas neutral dan warm yang beberapa kali diprediksi sebagai cool. Analisis grafik accuracy dan loss menunjukkan adanya kecenderungan overfitting, dimana model mampu mempelajari data training dengan cukup baik namun kemampuan generalisasi terhadap data baru masih terbatas. Faktor yang mempengaruhi performa model antara lain jumlah dataset yang terbatas, variasi pencahayaan saat pengambilan citra, serta kemiripan karakteristik visual warna urat nadi antar kelas undertone. Selain menghasilkan model klasifikasi, penelitian ini juga berhasil mengembangkan sistem berbasis web yang terintegrasi dengan model EfficientNetB0. Sistem yang dikembangkan mampu menerima input berupa citra pergelangan tangan, melakukan klasifikasi undertone kulit secara otomatis, menampilkan probabilitas hasil prediksi, serta memberikan rekomendasi shade foundation berdasarkan kategori undertone yang terdeteksi. Implementasi sistem ini menunjukkan bahwa teknologi computer vision dan deep learning memiliki potensi untuk membantu pengguna dalam menentukan undertone kulit dan memilih shade foundation yang lebih sesuai secara objektif dan praktis. Secara keseluruhan, penelitian ini berhasil menerapkan metode CNN berbasis transfer learning menggunakan EfficientNetB0 untuk klasifikasi undertone kulit dan mengimplementasikan nya ke dalam sistem berbasis web. Meskipun performa model yang diperoleh masih belum optimal, penelitian ini memberikan kontribusi dalam penerapan deep learning pada bidang computer vision dan teknologi kecantikan digital. Pengembangan lebih lanjut dapat dilakukan melalui penambahan jumlah dataset, pengendalian kondisi pencahayaan saat pengambilan citra, serta optimasi model untuk meningkatkan kemampuan generalisasi dan akurasi klasifikasi kulit.

Actions (login required)

View Item