Klasifikasi Jenis Kulit Wajah menggunakan Backpropagation Neural Networks Berbasis GLCM

M. ARY HERYANTO, DENY JUANANTA, AGATA SADANARESWARI, SARI AYU WULANDARI

Sari


ABSTRAK

Kulit wajah sangat sensitif dibandingkan dengan bagian tubuh lainnya. Ada beberapa jenis kulit wajah, yaitu normal, berminyak, dan kering. Namun, terkadang mengidentifikasi jenis kulit wajah seseorang dengan benar bisa menjadi masalah karena terdapat lima jenis kulit wajah yang berbeda. Untuk mengatasi kesulitan dalam mengidentifikasi jenis kulit wajah, pada penelitian ini diterapkan metode klasifikasi Backpropagation Neural Network berbasis GLCM. Penelitian ini menggunakan tiga jenis kulit wajah, yaitu: kering, berminyak, dan normal. Sedangkan untuk mencari model arsitektur yang tepat dilakukan dengan cara variasi jumlah hidden layer dan jumlah neuron per hidden layer. Setelah dilakukan beberapa pengujian didapatkan hasil akurasi 96.70% untuk model sembilan lapisan tersembunyi dengan enam neuron pada tiap lapisan tersembunyi.

Kata kunci: kulit wajah, klasifikasi, backpropagation neural network, GLCM.

 

ABSTRACT

Facial skin is very sensitive compared to other body parts. There are several facial skin types: normal, oily, and dry. However, sometimes correctly identifying a person's facial skin type can be problematic because there are five different skin types. To overcome difficulties in identifying facial skin types, this study applied the GLCM-based Backpropagation Neural Networks classification method. This study used three types of facial skin, namely: dry, oily, and normal. Meanwhile, finding the right architectural model is done by varying the number of hidden layers and the number of neurons per hidden layer. After several tests, the results obtained an accuracy of 96.70% for the nine hidden layers model with six neurons for each hidden layer.

Keywords: facial skin, classification, backpropagation neural network, GLCM.


Kata Kunci


kulit wajah; klasifikasi; backpropagation neural network; GLCM.

Teks Lengkap:

PDF

Referensi


Amelia, R. D., Tritoasmoro, I. I., & Ibrahim, N. (2019). Klasifikasi Jenis Kulit Wajah Menggunakan Metode Discrete Wavelet Transform Dan Backpropagation. EProceedings of Engineering, 6(2).

Chang, C.-C., Hsing, S.-T., Chuang, Y.-C., Wu, C.-T., Fang, T.-J., Chen, K.-F., & Choi, B. (2018). Robust skin type classification using convolutional neural networks. 2018 13th IEEE Conference on Industrial Electronics and Applications (ICIEA), (pp. 2011–2014). https://doi.org/10.1109/ICIEA.2018.8398040

Fadila, I., Minerva, P., & Astuti, M. (2022). Hubungan pengetahuan kosmetika dengan pemilihan kosmetik perawatan kulit wajah siswa Kelas XI Jurusan Tata Kecantikan SMK Negeri 7 Padang. Jurnal Tata Rias Dan Kecantikan, 2(1), 19–26.

Farhan, M. R., Widodo, A. W., & Rahman, M. A. (2019). Ekstraksi Ciri Pada Klasifikasi Tipe Kulit Wajah Menggunakan Metode Haar Wavelet. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer.

Indriani, O. R., Kusuma, E. J., Sari, C. A., & Rachmawanto, E. H. (2017). Tomatoes classification using K-NN based on GLCM and HSV color space. 2017 International Conference on Innovative and Creative Information Technology (ICITech), (pp. 1–6).

Khodijah, L., Latifah, R., & Adharani, Y. (2022). Identifikasi Jenis Kulit Wajah Menggunakan K-Nearest Neighbor. Seminar Nasional Teknik Elektro, Informatika Dan Sistem Informasi, 1(1).

Mall, P. K., Singh, P. K., & Yadav, D. (2019). Glcm based feature extraction and medical x-ray image classification using machine learning techniques. 2019 IEEE Conference on Information and Communication Technology, (pp. 1–6).

Maryani, M., & Fachrurrazi, S. (2017). Sistem Pendukung Keputusan Pemilihan Kosmetik Produk Latulipe Yang Sesuai Dengan Jenis Kulit Wajah Perempuan Indonesia Menggunakan Metode Promethee. Sisfo: Jurnal Ilmiah Sistem Informasi, 1(2).

Nusantara, T. F. B., Atmaja, R. D., & Azizah, A. (2018). Klasifikasi Jenis Kulit Wajah Pria Berdasarkan Tekstur Menggunakan Metode Gray Level Co-occurrance Matrix (glcm) Dan Support Vector Machine (svm). EProceedings of Engineering, 5(2).

Priandana, K., & Sukarman, S. (2014). Mobile munsell soil color chart berbasis android menggunakan histogram ruang citra HVC dengan klasifikasi KNN. Jurnal Ilmu Komputer Dan AgroInformatika, 3(2), 245421.

Rahmad, F., Suryanto, Y., & Ramli, K. (2020). Performance comparison of anti-spam technology using confusion matrix classification. IOP Conference Series: Materials Science and Engineering, 879(1), 012076.

Saidah, S., Fuadah, Y. N., Alia, F., Ibrahim, N., Magdalena, R., & Rizal, S. (2021). Facial Skin Type Classification Based on Microscopic Images Using Convolutional Neural Network (CNN). Proceedings of the 1st International Conference on Electronics, Biomedical Engineering, and Health Informatics: ICEBEHI 2020, 8-9 October, Surabaya, Indonesia, (pp. 75–83).

Santi, I. H., & Andari, B. (2019). Sistem pakar untuk mengidentifikasi jenis kulit wajah dengan metode certainty factor. INTENSIF: Jurnal Ilmiah Penelitian Dan Penerapan Teknologi Sistem Informasi, 3(2), 159–177.

Sulastri, A., & Chaerunisaa, A. Y. (2016). Formulasi masker gel peel off untuk perawatan kulit wajah. Farmaka, 14(3), 17–26.

Utami, F. M., Magladena, R., & Saidah, S. (2023). Deteksi Jenis Kulit Wajah Menggunakan Convolutional Neural Network Arsitektur Mobilenet. EProceedings of Engineering, 9(6).

Wahyuningtyas, R. S., Pratiwi, H. S., Informatika, T., Teknik, F., & Tanjungpura, U. (2015). Sistem pakar penentuan jenis kulit wajah wanita menggunakan metode naïve bayes. Jurnal Sistem Dan Teknologi Informasi (JUSTIN), 1(1), 1.

Wulandari, S. A., Prasetyanto, W. A., & Kurniatie, M. D. (2019). Classification of Normal, Oily and Dry Skin Types Using a 4-Connectivity and 8-Connectivity Region Properties Based on Average Characteristics of Bound. J. Transform, 17(01), 78–87.




DOI: https://doi.org/10.26760/elkomika.v11i3.705

Refbacks

  • Saat ini tidak ada refbacks.


_______________________________________________________________________________________________________________________

ISSN (cetak) : 2338-8323 | ISSN (elektronik) : 2459-9638

diterbitkan oleh :

Teknik Elektro Institut Teknologi Nasional Bandung

Alamat : Gedung 20 Jl. PHH. Mustofa 23 Bandung 40124

Kontak : Tel. 7272215 (ext. 206) Fax. 7202892

Surat Elektronik : jte.itenas@itenas.ac.id________________________________________________________________________________________________________________________

Statistik Pengunjung

Free counters!

Web Analytics Made Easy - StatCounter

Lihat Statistik Jurnal

Jurnal ini terlisensi oleh Creative Commons Attribution-ShareAlike 4.0 International License.

Creative Commons License