Wilda Fahera Primary Author mixed material bibliography Banda Aceh Fakultas mipa 2025

Skripsi

Kulit wajah merupakan bagian tubuh yang sangat penting untuk dirawat karena berperan dalam perlindungan, identitas, dan estetika individu. Setiap tipe kulit seperti acne, oily, dry, normal, dan redness memiliki karakteristik yang berbeda dan memerlukan perawatan yang disesuaikan, terutama dalam pemilihan bahan aktif pada produk skincare. Kesalahan dalam pemilihan bahan dapat memperburuk kondisi kulit, seperti menyebabkan iritasi atau jerawat. Oleh karena itu, pemilihan bahan skincare yang tepat berdasarkan tipe kulit menjadi kebutuhan yang krusial. Penelitian ini bertujuan untuk mengimplementasikan sistem klasifikasi jenis kulit berbasis citra wajah serta menerapkan metode content-based filtering (CBF) untuk merekomendasikan bahan aktif yang sesuai. Model klasifikasi dibangun menggunakan arsitektur Convolutional Neural Network InceptionV3 dengan skema pelatihan dua tahap, yaitu initial training dan fine-tuning, yang menghasilkan akurasi validasi sebesar 90,78%. Proses pelatihan melibatkan penyesuaian hyperparameter untuk mendapatkan konfigurasi terbaik, yakni 35 epoch, batch size sebesar 64, dan learning rate bertahap 1×10−3 dan 1×10−4. Selain klasifikasi, metode CBF digunakan untuk mengekstraksi bahan aktif paling relevan dari dataset skincare berdasarkan hasil klasifikasi jenis kulit. Proses ini dilakukan dengan menghitung frekuensi kemunculan bahan dalam produk yang sesuai dengan kategori kulit tertentu. Sistem kemudian diintegrasikan ke dalam website berbasis Flask dengan antarmuka yang dirancang menggunakan TailwindCSS. Website ini mampu menerima citra wajah sebagai masukan, melakukan identifikasi jenis kulit, dan menampilkan daftar bahan aktif secara informatif dan terstruktur. Dengan demikian, sistem ini dapat digunakan sebagai alat bantu dalam proses pemilihan bahan perawatan kulit yang sesuai karakteristik wajah. Kata Kunci: klasifikasi kulit, InceptionV3, content-based filtering, skincare, bahan aktif 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 165851 2025-07-23 15:09:13 2025-07-23 15:36:27 machine generated