ABSTRAKSI: Wajah merupakan salah satu bagian yang terpenting dari anggota tubuh manusia. Kesehatan seseorang biasanya juga tercermin dari kesehatan kulit wajah. Tetapi terkadang orang kurang menyadari bahkan tidak mengetahui jenis kulit wajahnya sendiri, karenanya terjadi kesalahan dalam hal perawatan kulit wajah.
Dalam tugas akhir ini telah dibangun sistem yang dapat mengklasifikasikan jenis kulit wajah tersebut. Langkah awal yaitu dilakukan preprocessing pada kulit wajah dengan mengubah citra RGB ke citra grayscale dan menggunakan filter median. Pada citra grayscale kemudian akan diambil ekstraksi ciri kulit wajah tersebut dengan menggunakan ciri orde satu dan ciri orde dua. Parameter - parameter pada ciri orde satu dan ciri orde dua dikumpulkan kemudian dimasukkan pada metode klasifikasi dengan menggunakan K – Nearest Neighbor sehingga sistem bisa mengklasifikasikan jenis kulit wajah tersebut.
Pada tugas akhir ini telah dirancang dan disimulasikan aplikasi pengklasifikasian jenis kulit wajah. Aplikasi ini dapat digunakan sebagai aplikasi biomedis untuk mengklasifikasikan jenis kulit wajah serta menyimpulkan cara perawatan yang tepat untuk jenis kulit tersebut. Hasil akurasi terbaik dari aplikasi ini berdasarkan ekstraksi ciri dengan menggunakan metode klasifikasi KNN adalah sebesar 92,85% dengan penggunaan gabungan ektraksi ciri orde 1 dan orde 2, nilai k=1, dan cosine distance.
Kata Kunci : pengolahan citra, kulit wajah, ciri orde satu, ciri orde dua, K – Nearest Neighbor.ABSTRACT: The face is one of the most important part of human limbs. Usually a person's health is also reflected in facial skin health. But sometimes people do not know even less aware of their own facial skin type, so an error occurs in the case of facial skin care.
This project has built a system that can classify the facial skin type. Initial preprocessing step is performed on the facial skin by changing the RGB image into grayscale image and using median filter. In the grayscale image will be taken of feature extraction of facial skin using the first-order characteristic and second order characteristic. The Parameters of first-order characteristic and second order characteristic were collected and included in the classification method using the K - Nearest Neighbor so the system can classify the facial skin type.
At the end of this project has been designed and simulated the application of the classification of facial skin type. This application can be used as biomedical applications to classify the facial skin type and concluded proper way of treatment for these facial skin type. The best accuracy results of this application based on feature extraction using KNN classification method is equal to 92,85% using the first-order characteristic and second order characteristic, value of k = 1, and cosine distance.
Keyword: image processing, facial skin, first order characteristic, second order characteristic, K - Nearest Neighbor.