<![CDATA[Abstrak - Warna kulit manusia memiliki peranan penting dalam berbagai aplikasi berbasis citra digital, mulai dari sistem pengenalan wajah, pelacakan objek, kosmetik virtual, hingga aplikasi medis seperti deteksi penyakit kulit. Salah satu tantangan utama dalam mendeteksi warna kulit adalah keberagaman warna kulit antar individu, pengaruh pencahayaan, serta perbedaan kualitas kamera. Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi metode segmentasi warna kulit berbasis ruang warna YCbCr yang mampu bekerja secara andal di berbagai kondisi pencahayaan dan latar belakang. Dataset yang digunakan terdiri dari 500 citra wajah dengan variasi etnis dan pencahayaan yang signifikan. Tahapan penelitian meliputi konversi ruang warna dari RGB ke YCbCr, segmentasi area kulit menggunakan teknik threshold pada kanal Cb dan Cr, serta evaluasi hasil dengan membandingkan area deteksi dengan ground truth yang telah dianotasi secara manual. Hasil eksperimen menunjukkan bahwa metode segmentasi berbasis YCbCr mampu memisahkan area kulit dengan tingkat akurasi sebesar 93,4%, precision sebesar 91,7%, dan recall sebesar 90,2%. Metode ini terbukti lebih stabil dibandingkan segmentasi menggunakan ruang warna RGB yang sangat dipengaruhi oleh intensitas cahaya. Selain itu, sistem ini memiliki kompleksitas komputasi yang rendah sehingga cocok diterapkan dalam aplikasi real-time. Penelitian ini memberikan kontribusi dalam pengembangan sistem deteksi warna kulit yang efisien, khususnya dalam pengolahan citra berbasis perangkat mobile dan sistem tertanam. Hasil yang diperoleh dapat menjadi landasan untuk pengembangan lanjutan, seperti klasifikasi jenis kulit, estimasi pigmen, atau analisis kondisi dermatologis secara otomatis.Kata Kunci: warna kulit; segmentasi citra; YCbCr; pengolahan citra digital; analisis warna; deteksi kulit. Abstract - Human skin color plays an important role in various digital image-based applications, ranging from facial recognition systems, object tracking, virtual cosmetics, to medical applications such as skin disease detection. One of the main challenges in detecting skin color is the diversity of skin color between individuals, the influence of lighting, and differences in camera quality. This study aims to develop and evaluate a skin color segmentation method based on the YCbCr color space that is able to work reliably in various lighting and background conditions. The dataset used consists of 500 facial images with significant ethnic and lighting variations. The research stages include converting the color space from RGB to YCbCr, segmenting the skin area using the threshold technique on the Cb and Cr channels, and evaluating the results by comparing the detection area with the ground truth that has been manually annotated. The experimental results show that the YCbCr-based segmentation method is able to separate skin areas with an accuracy level of 93.4%, a precision of 91.7%, and a recall of 90.2%. This method is proven to be more stable than segmentation using the RGB color space which is greatly influenced by light intensity. In addition, this system has low computational complexity so that it is suitable for real-time applications. This research contributes to the development of an efficient skin color detection system, especially in image processing based on mobile devices and embedded systems. The results obtained can be the basis for further development, such as skin type classification, pigment estimation, or automatic dermatological condition analysis.Keywords; skin color; image segmentation; YCbCr; digital image processing; color analysis; skin detection.]]>
Copyrights © 2025
