Search for collections on Undip Repository

Klasifikasi Jenis Kulit Wajah Menggunakan Convolution Neural Network (CNN)

SEPTIANA, Tiara (2026) Klasifikasi Jenis Kulit Wajah Menggunakan Convolution Neural Network (CNN). Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

[thumbnail of FULL TEXT] Archive (FULL TEXT)
BERKAS BEBAS PUSTAKA FSM_TIARA SEPTIANA.zip
Restricted to Repository staff only

Download (6MB) | Request a copy
[thumbnail of 1. COVER_TIARA SEPTIANA.pdf] Text
1. COVER_TIARA SEPTIANA.pdf

Download (287kB)
[thumbnail of 4. HALAMAN PENGESAHAN_TIARA SEPTIANA.pdf] Text
4. HALAMAN PENGESAHAN_TIARA SEPTIANA.pdf

Download (631kB)
[thumbnail of 5. KATA PENGANTAR_TIARA SEPTIANA.pdf] Text
5. KATA PENGANTAR_TIARA SEPTIANA.pdf

Download (244kB)
[thumbnail of 6. ABSTRAK_TIARA SEPTIANA.pdf] Text
6. ABSTRAK_TIARA SEPTIANA.pdf

Download (246kB)
[thumbnail of 7. ABSTRACT_TIARA SEPTIANA.pdf] Text
7. ABSTRACT_TIARA SEPTIANA.pdf

Download (935kB)
[thumbnail of 8. DAFTAR ISI_TIARA SEPTIANA.pdf] Text
8. DAFTAR ISI_TIARA SEPTIANA.pdf

Download (257kB)
[thumbnail of 12. BAB I PENDAHULUAN_TIARA SEPTIANA.pdf] Text
12. BAB I PENDAHULUAN_TIARA SEPTIANA.pdf

Download (129kB)
[thumbnail of 17.DAFTAR PUSTAKA_TIARA SEPTIANA.pdf] Text
17.DAFTAR PUSTAKA_TIARA SEPTIANA.pdf

Download (133kB)

Abstract

Perawatan kulit wajah yang tepat memerlukan pemahaman mengenai jenis
kulit, seperti kulit kering, normal, dan berminyak. Namun, identifikasi jenis kulit
secara manual masih sering dipengaruhi oleh penilaian subjektif sehingga tingkat
akurasinya kurang konsisten. Penelitian ini mengembangkan sistem klasifikasi
jenis kulit wajah berbasis citra digital dengan memanfaatkan metode
Convolutional Neural Network (CNN) menggunakan arsitektur MobileNetV3.
Model dikembangkan dengan memanfaatkan arsitektur MobileNetV3 melalui
pendekatan transfer learning untuk mengekstraksi fitur citra wajah secara efektif
meskipun jumlah data pelatihan terbatas. Proses pelatihan dilakukan
menggunakan citra wajah berukuran 224×224 piksel dengan tiga kelas keluaran,
yaitu kulit kering, berminyak, dan normal. Berdasarkan hasil pengujian, model
yang dikembangkan memperoleh akurasi sebesar 99.2% dengan nilai loss yang
rendah sehingga menunjukkan kemampuan klasifikasi yang baik. Model
selanjutnya diimplementasikan pada aplikasi berbasis web menggunakan
framework flask agar pengguna dapat melakukan deteksi jenis kulit wajah dan
memperoleh rekomendasi perawatan sesuai hasil klasifikasi. Berdasarkan hasil
yang diperoleh, model klasifikasi jenis kulit wajah menggunakan CNN ini dapat
digunakan secara efektif sebagai sistem pendukung dalam menentukan perawatan
kulit wajah.
Kata Kunci : CNN, MobileNetV3, jenis kulit wajah

(NO. KETERSEDIAAN : 2203/D/2026)

Item Type: Thesis (Undergraduate)
Subjects: Sciences and Mathemathic
Divisions: Faculty of Science and Mathematics > Department of Physics
Depositing User: Yemima Laras Sekarsari
Date Deposited: 17 Jul 2026 06:59
Last Modified: 17 Jul 2026 06:59
URI: https://eprints2.undip.ac.id/id/eprint/56982

Actions (login required)

View Item View Item