Penelitian ini bertujuan untuk membangun sistem klasifikasi undertone kulit wajah secara otomatis dengan memanfaatkan metode deep learning berbasis citra wajah. Latar belakang penelitian ini didasarkan pada proses identifikasi undertone yang masih dilakukan secara manual sehingga bersifat subjektif dan sering menimbulkan ketidakkonsistenan dalam menentukan kategori warna kulit. Metode yang diterapkan dalam penelitian ini adalah Convolutional Neural Network (CNN) dengan melakukan perbandingan terhadap dua arsitektur deep learning, yaitu ResNet50 dan MobileNetV2. Dataset yang digunakan berasal dari gabungan data sekunder dari platform Hugging Face serta data primer yang diperoleh melalui pengambilan citra wajah secara langsung, dengan kategori undertone warm, cool, dan neutral. Penelitian dilaksanakan menggunakan metodologi CRISP-DM yang mencakup tahapan business understanding, data understanding, data preparation, modelling, evaluation, dan deployment. Hasil penelitian menunjukkan bahwa ResNet50 memiliki performa yang lebih baik dibandingkan MobileNetV2. Pada konfigurasi terbaik, ResNet50 berhasil memperoleh accuracy sebesar 89,3% dan weighted F1-score sebesar 0,893, sedangkan MobileNetV2 memperoleh accuracy sebesar 68,3% dan weighted F1-score sebesar 0,684. Berdasarkan hasil tersebut, dapat disimpulkan bahwa ResNet50 mampu memberikan hasil klasifikasi undertone wajah yang lebih akurat dan stabil dibandingkan MobileNetV2.

S12547

INF 0069 2026

Bekasi

Tersedia