Claim Missing Document
Check
Articles

Found 1 Documents
Search

Penerapan Google ML Kit dan Metode K-Nearest Neighbors untuk Klasifikasi Bentuk Wajah Wanita pada Platform Android Nurcahyo, Kevin Meidito; Jonemaro, Eriq Muhammad Adams; Afirianto, Tri
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 9 (2023): September 2023
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Salah satu hal yang menjadi daya tarik wanita adalah rambut. Dengan berkembangnya jaman tentu model rambut yang dapat diterima oleh dunia mode juga berubah. Sehingga memilih model rambut yang tepat untuk dapat tampil modis di setiap jaman cukup penting. Salah satu hal yang dapat dilakukan oleh wanita adalah pergi ke salon dan berkonsultasi dengan penata rambut yang berpengalaman untuk menentukan model rambut yang sesuai. Hal tersebut dilakukan dengan mempertimbangkan kemampuan penata rambut untuk menentukan model rambut yang sesuai dengan bentuk wajah yang dimiliki oleh wanita tersebut. Dengan demikian dapat mengetahui bentuk wajah mampu membantu memudahkan pemilihan model rambut yang sesuai. Pada penelitian ini akan dikembangkan sebuah sistem yang mampu mengenali bentuk wajah pada platform Android dengan menggunakan metode waterfall. Fitur utama dari aplikasi ini adalah mengetahui bentuk wajah subjek dalam foto yang dipilih oleh pengguna aplikasi. Sistem dikembangkan dengan menggunakan metode klasifikasi K-Nearest Neighbors dan Google ML Kit sebagai alat untuk mendapatkan kontur wajah pengguna yang akan digunakan dalam proses klasifikasi. Proses klasfikasi dilakukan terhadap 122 data yang telah diseleksi dari Kaggle. Proses klasifikasi menghasilkan keluaran berupa bentuk wajah Oblong, Round, atau Square. Pengujian pada penelitian ini akan menggunakan metode Leave-One-Out Cross Validation untuk menguji akurasi metode klasifikasi dan Black-box testing untuk menguji fungsionalitas sistem. Hasil pengujian menunjukkan bahwa nilai akurasi tertinggi model klasifikasi yang digunakan adalah 68,032% dengan nilai K=13 dan nilai 100% untuk pengujian fungsional. Pengujian juga melakukan penghitungan f1-score untuk setiap kelas data, pada kelas data Oblong diketahui f1-score sebesar 0,931, Square dengan nilai 0,616, dan Round dengan nilai 0,419. Hasil ini menunjukkan bahwa sistem perlu proses pengembangan lebih lanjut.