<![CDATA[Kosmetik adalah produk yang digunakan untuk memperindah tubuh, terutama wajah, dengan tujuan meningkatkan kepercayaan diri dan estetika. Penelitian ini bertujuan mengembangkan sistem otomatis untuk mengklasifikasikan produk kosmetik berdasarkan citra visual menggunakan metode Hybrid Intelligence, yaitu kombinasi K-Nearest Neighbor (KNN) dan Principal Component Analysis (PCA). Sistem Hybrid Intelligence efektif diterapkan dalam berbagai bidang pengolahan citra, termasuk klasifikasi produk kosmetik. Metode yang diusulkan melibatkan PCA untuk mereduksi dimensi fitur citra, sehingga mengurangi kompleksitas komputasi dan meningkatkan efisiensi pemrosesan. KNN digunakan untuk mengenali produk berdasarkan kedekatannya dengan data pelatihan. Dataset yang digunakan meliputi 16 data latih (7 eyeliner, 4 handbody, 5 lipstik) dan 10 data uji (4 eyeliner, 3 handbody, 3 lipstik). Hasil menunjukkan sistem hybrid ini mampu mencapai akurasi 96,15% dalam pengujian validasi, dengan nilai parameter K terbaik adalah 3. Sistem ini berhasil mengklasifikasikan eyeliner, lipstik, dan handbody dengan tingkat akurasi tinggi, memberikan solusi efisien dan efektif dalam mendeteksi produk kosmetik berdasarkan citra. Penelitian ini memberikan kontribusi penting bagi pengembangan aplikasi pengenalan citra dalam industri kecantikan, terutama pada sistem deteksi dan rekomendasi produk.]]>
Copyrights © 2025
