Putri, Saskia Ananda (2026) Penerapan Metode Weighted Product (WP) dalam Pemilihan Skincare yang Sesuai dengan Jenis Kulit Wajah Berbasis Mobile. S1 thesis, Universitas Malikussaleh.

	Text Cover (1).pdf Download (127kB)
	Text Abstrak (1).pdf Download (185kB)
	Text BAB I (1).pdf Download (222kB)
	Text DAFTAR PUSTAKA (1).pdf Download (182kB)
	Text Skripsi sidangg kia selesai.pdf Restricted to Registered users only Download (2MB)

Abstract

Pemilihan produk skincare yang sesuai dengan jenis kulit wajah masih menjadi kendala bagi banyak masyarakat karena beragamnya produk yang tersedia serta kurangnya pemahaman mengenai karakteristik kulit. Kesalahan dalam memilih produk dapat menyebabkan berbagai permasalahan kulit, seperti iritasi, jerawat, dan kerusakan skin barrier. Penelitian ini bertujuan untuk merancang dan mengimplementasikan aplikasi mobile SkinPick sebagai sistem pendukung keputusan yang membantu pengguna memperoleh rekomendasi skincare sesuai dengan jenis dan kondisi kulit wajah secara lebih objektif. Sistem menerapkan metode Weighted Product (WP) untuk menentukan rekomendasi berdasarkan enam kriteria, yaitu kulit normal, kulit kering, kulit berminyak, kulit sensitif, kulit kombinasi, dan kulit berjerawat, serta mengintegrasikan teknologi Computer Vision menggunakan Roboflow untuk mengidentifikasi jenis kulit melalui proses pemindaian wajah. Aplikasi dikembangkan menggunakan Flutter, bahasa pemrograman Dart, dan Firebase sebagai basis data, kemudian diuji menggunakan metode Black Box Testing. Hasil penelitian menunjukkan bahwa seluruh fitur aplikasi berfungsi sesuai dengan kebutuhan pengguna. Perhitungan metode Weighted Product menghasilkan Niacinamide sebagai alternatif terbaik dengan nilai preferensi 0,1899, diikuti Hyaluronic Acid sebesar 0,1880. Hasil validasi terhadap pakar menunjukkan bahwa metode Weighted Product memperoleh tingkat akurasi sebesar 93,33%, sedangkan hasil evaluasi model Computer Vision menggunakan Roboflow memperoleh Overall Accuracy sebesar 90,1%, Mean Average Precision (mAP) sebesar 89,2%, Precision sebesar 91,5%, Recall sebesar 87,4%, dan F1-Score sebesar 89,4%. Hasil tersebut menunjukkan bahwa aplikasi SkinPick mampu memberikan rekomendasi skincare yang sesuai dengan kondisi kulit pengguna serta mendeteksi jenis kulit wajah dengan tingkat ketepatan yang baik, sehingga dapat digunakan sebagai pendukung dalam pengambilan keputusan pemilihan produk skincare.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 57201 - Jurusan Sistem Informasi
Depositing User:	Saskia Saskia Ananda Putri
Date Deposited:	01 Sep 2026 04:52
Last Modified:	01 Sep 2026 04:52
URI:	https://rama.unimal.ac.id/id/eprint/21934

Actions (login required)

View Item