Safitri, Riska (2025) Implementasi Region-based Convolutional Neural Network (RCNN) Untuk Deteksi Objek Produk Sunscreen Berdasarkan Jenis Kulit. S1 thesis, Universitas Malikussaleh.

	Text RISKA SAFITRI_200170025_Cover.pdf Download (21kB)
	Text RISKA SAFITRI_200170025_Abstrak.pdf Download (7kB)
	Text RISKA SAFITRI_200170025_Bab I.pdf Download (124kB)
	Text RISKA SAFITRI_200170025_Daftar Pustaka.pdf Download (305kB)
	Text RISKA SAFITRI_200170025_Implementasi Region-based Convolutional Neural Network (RCNN) Untuk Deteksi Objek Produk Sunscreen Berdasarkan Jenis Kulit.pdf Restricted to Registered users only Download (5MB)

Abstract

Paparan sinar ultraviolet (UV) dari matahari merupakan penyebab utama kerusakan kulit, termasuk penuaan dini dan kanker kulit. Penggunaan sunscreen menjadi langkah penting untuk melindungi kulit dari kerusakan tersebut. Namun, konsumen sering kali kesulitan dalam memilih sunscreen yang sesuai dengan jenis kulit mereka, seperti kulit kering, berminyak, kombinasi, atau sensitif. Penelitian ini bertujuan untuk mengimplementasikan algoritma Region-based Convolutional Neural Network (RCNN) untuk mendeteksi produk sunscreen dan menghubungkannya dengan jenis kulit pengguna. Dataset yang digunakan terdiri dari lebih dari 500 gambar produk sunscreen dari 10 merek berbeda yang dikategorikan berdasarkan jenis kulit. Proses analisis mencakup beberapa tahap, termasuk preprocessing data gambar melalui konversi ke grayscale, normalisasi, augmentasi, dan ekstraksi fitur menggunakan Convolutional Neural Networks (CNN). Model RCNN kemudian diterapkan untuk melakukan deteksi objek dan regresi bounding box guna meningkatkan presisi deteksi. Dari 585 sampel foto sunscreen yang diuji, hanya 150 sampel yang berhasil lolos seleksi dengan confidence antara 35% hingga 100%, sementara 435 sampel lainnya dieliminasi karena confidence di bawah 35%. Hasilnya menunjukkan bahwa jenis kulit "Normal to Oily" paling sering terdeteksi, dengan frekuensi 29.30%, diikuti oleh "Semua jenis Kulit" dengan frekuensi 20.38%. Meskipun RCNN efektif dalam mengidentifikasi kategori kulit seperti "Normal to Oily" dan "Semua jenis Kulit", masih terdapat tantangan dalam meningkatkan akurasi deteksi pada sampel dengan kemiripan visual tinggi. Oleh karena itu, diperlukan peningkatan lebih lanjut dalam kualitas data serta pengembangan algoritma yang lebih robust agar sistem ini dapat lebih andal dan akurat dalam mendeteksi produk sunscreen dan menghubungkannya dengan jenis kulit yang tepat. Kata Kunci: Deteksi Objek, Sunscreens, Akurasi, RCNN, Konvolusi

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 > 55201 - Jurusan Teknik Informatika
Depositing User:	Riska Riska Safitri
Date Deposited:	10 Jan 2025 02:50
Last Modified:	10 Jan 2025 02:50
URI:	https://rama.unimal.ac.id/id/eprint/9084

Actions (login required)

View Item