Klasifikasi Jenis Kulit Wajah menggunakan Backpropagation Neural Networks Berbasis GLCM
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. Unt...
Saved in:
| Main Authors: | , , , |
|---|---|
| Format: | Article |
| Language: | Indonesian |
| Published: |
Teknik Elektro Institut Teknologi Nasional Bandung
2023-07-01
|
| Series: | Jurnal Elkomika |
| Subjects: | |
| Online Access: | https://ejurnal.itenas.ac.id/index.php/elkomika/article/view/8938 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1846127921978146816 |
|---|---|
| author | M. ARY HERYANTO DENY JUANANTA AGATA SADANARESWARI SARI AYU WULANDARI |
| author_facet | M. ARY HERYANTO DENY JUANANTA AGATA SADANARESWARI SARI AYU WULANDARI |
| author_sort | M. ARY HERYANTO |
| collection | DOAJ |
| description | 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.
Â
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. |
| format | Article |
| id | doaj-art-dd986314c272420483fa685f76e3b3e8 |
| institution | Kabale University |
| issn | 2338-8323 2459-9638 |
| language | Indonesian |
| publishDate | 2023-07-01 |
| publisher | Teknik Elektro Institut Teknologi Nasional Bandung |
| record_format | Article |
| series | Jurnal Elkomika |
| spelling | doaj-art-dd986314c272420483fa685f76e3b3e82024-12-11T07:54:49ZindTeknik Elektro Institut Teknologi Nasional BandungJurnal Elkomika2338-83232459-96382023-07-0111310.26760/elkomika.v11i3.7053001Klasifikasi Jenis Kulit Wajah menggunakan Backpropagation Neural Networks Berbasis GLCMM. ARY HERYANTO0DENY JUANANTA1AGATA SADANARESWARI2SARI AYU WULANDARI3Universitas Dian NuswantoroUniversitas Dian NuswantoroUniversitas Dian NuswantoroUniversitas Dian NuswantoroABSTRAK 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. Â 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.https://ejurnal.itenas.ac.id/index.php/elkomika/article/view/8938kulit wajahklasifikasibackpropagation neural networkglcm. |
| spellingShingle | M. ARY HERYANTO DENY JUANANTA AGATA SADANARESWARI SARI AYU WULANDARI Klasifikasi Jenis Kulit Wajah menggunakan Backpropagation Neural Networks Berbasis GLCM Jurnal Elkomika kulit wajah klasifikasi backpropagation neural network glcm. |
| title | Klasifikasi Jenis Kulit Wajah menggunakan Backpropagation Neural Networks Berbasis GLCM |
| title_full | Klasifikasi Jenis Kulit Wajah menggunakan Backpropagation Neural Networks Berbasis GLCM |
| title_fullStr | Klasifikasi Jenis Kulit Wajah menggunakan Backpropagation Neural Networks Berbasis GLCM |
| title_full_unstemmed | Klasifikasi Jenis Kulit Wajah menggunakan Backpropagation Neural Networks Berbasis GLCM |
| title_short | Klasifikasi Jenis Kulit Wajah menggunakan Backpropagation Neural Networks Berbasis GLCM |
| title_sort | klasifikasi jenis kulit wajah menggunakan backpropagation neural networks berbasis glcm |
| topic | kulit wajah klasifikasi backpropagation neural network glcm. |
| url | https://ejurnal.itenas.ac.id/index.php/elkomika/article/view/8938 |
| work_keys_str_mv | AT maryheryanto klasifikasijeniskulitwajahmenggunakanbackpropagationneuralnetworksberbasisglcm AT denyjuananta klasifikasijeniskulitwajahmenggunakanbackpropagationneuralnetworksberbasisglcm AT agatasadanareswari klasifikasijeniskulitwajahmenggunakanbackpropagationneuralnetworksberbasisglcm AT sariayuwulandari klasifikasijeniskulitwajahmenggunakanbackpropagationneuralnetworksberbasisglcm |