<![CDATA[Abstrak Wajah merupakan salah satu aspek terpenting pada penampilan seseorang. Pada dasarnya, selain sebagai tanda pengenal alami, wajah merupakan angggota tubuh yang menjadi daya tarik bagi lawan jenis. Namun wajah juga seringkali mengalami kesalahan dalam perawatannya, dikarenakan setiap jenis kulit wajah yang berbeda haruslah dilakukan perawatan yang berbeda pula. Pada tugas akhir ini, dibangun suatu program yang dapat mengklasifikasikan jenis kulit wajah. Sebelum proses klasifikasi, citra terlebih dahulu diakusisi, kemudian dilanjutkan dengan proses preprocessing dan ekstrasi ciri. Pada proses ektraksi ciri, digunakan metode Gray Level Co-occurrence Matrix (GLCM) dan pada proses klasifikasi, digunakan metode Support Vector Machine (SVM) dengan multiclass One-Againts-All (OAA). Pada pengujian ini, digunakan 100 sample citra, dimana setiap 5 titik daerah wajah yaitu dahi, hidung, dagu, pipi kanan dan pipi kiri terdiri dari 20 citra yang diklasifikasi menjadi 2 kelas, yaitu kering dan berminyak. Pengujian dilakukan pada 9 pria, dengan komposisi masing-masing kelas memiliki 3 pria dengan kulit wajah kering, 3 pria dengan kulit wajah berminyak, dan 3 orang pria dengan kulit wajah kombinasi. Parameter yang digunakan pada ekstrasi ciri GLCM dan klasifikasi SVM yaitu parameter orde dua (energi dan homogenitas), arah keabuan 45o , d = 1 piksel, kernel polynomial dan Kernel Option = 9, sehingga didapatkan akurasi terbaik sebesar 88.89% dan waktu komputasi 4 detik. Kata kunci: GLCM, SVM, kulit wajah, klasifikasi, ekstrasi ciri. Abstract Face is one of important aspect of a person's appearance. Except for personal identifier, face is body part, that make someone take an interest from their opposite gender. But people often treat their facial skin not properly, even though there are many type of facial skin that need differently treatment. In this research, the author builds a program that able to classify the type of facial skin. Firstly, system process the acquired image into preprocessing and feature extraction. After that, the image processed and classified. Gray Level Co-occurrence Matrix (GLCM) is the method that used for feature extraction and Support Vector Machine (SVM) method is used for classification. On training section, there are 100 sample of image that taken from 5 parts of face (forehead, nose, chin, right cheek and left cheek). Then 20 image from each parts of face classified into dry skin and oily skin. The test using 9 men that classified into 3 dry facial skin, 3 oily facial skin and 3 combination facial skin. The test using the GLCM method which used feature extraction based on texture with two order of parameter (the energy and homogenity), direction of 45°, d = 1 pixel, kernel polynomial, and Kernel Option =9, so the author can obtain the best accuracy of 88.89% and 4 second for computational time. Keyword : GLCM, SVM, Facial Skin, Classification, feature extraction]]>
