<![CDATA[This study aims to develop a human skin tone detection system using the CIELAB color model and the Support Vector Machine (SVM) classification method. The data used consists of facial images from the SkinTone Classification dataset (Kaggle). The preprocessing stage includes image resizing and conversion to the CIELAB color space. Feature extraction is performed by calculating the mean and standard deviation of each L*, a*, and b* channel. The dataset is then divided into training and testing sets with an 80:20 ratio, and classification is carried out using SVM with a Radial Basis Function (RBF) kernel. System performance is evaluated using accuracy, precision, recall, and F1-score metrics. The system achieved an accuracy of 92.09%, with the best performance in the dark skin tone category, reaching an F1-score of 97.9%. Although the performance for other classes was slightly lower, the system overall demonstrates strong classification capability and potential for practical and accurate skin tone recognition applications.Keyword: Skin color; CIELAB; Feature extraction; Support Vector Machine; Image classification AbstrakPenelitian ini memiliki tujuan untuk mengembangkan sebuah sistem dalam mendeteksi warna kulit manusia dengan pendekatan model warna CIELAB dan metode klasifikasi Support Vector Machine (SVM). Data yang digunakan berupa citra wajah dari SkinTone Classification dataset (Kaggle). Tahapan praproses yang meliputi perubahan ukuran citra dan konversi ke ruang warna CIELAB. Ekstraksi fitur dilakukan dengan menghitung rata-rata serta simpangan baku pada setiap komponen L*, a*, dan b*. Dataset kemudian dipisahkan menjadi data pelatihan dan data pengujian dengan rasio 80:20, lalu diklasifikasikan menggunakan SVM dengan kernel Radial Basis Function (RBF). Evaluasi performa sistem dianalisis menggunakan metrik akurasi, presisi, recall, dan F1-score. Sistem ini berhasil mencapai akurasi sebesar 92,09%, dengan performa terbaik pada kategori warna kulit gelap (dark), yang memperoleh F1-score sebesar 97,9%. Walaupun hasil performa pada kelas lain sedikit lebih rendah, sistem ini secara keseluruhan menunjukkan kemampuan klasifikasi yang baik dan berpotensi untuk diterapkan dalam aplikasi pengenalan warna kulit secara praktis dan akurat.Kata Kunci: Warna kulit; CIELAB; Ekstraksi fitur; Support Vector Machine; Klasifikasi citra]]>
Copyrights © 2025
