KLASIFIKASI UNDERTONE KULIT BERDASARKAN CITRA URAT NADI MENGGUNAKAN MOBILENETV2
DOI:
https://doi.org/10.29407/rvmy4r79Abstract
Undertone adalah karakteristik warna kulit dasar yang diklasifikasikan menjadi 3 kelas yaitu cool, neutral, dan warm. Penelitian ini bertujuan untuk mengklasifikasikan undertone kulit berdasarkan citra urat nadi menggunakan arsitektur MobileNetV2. Penelitian ini dilakukan karena penentuan undertone kulit secara manual sering dipengaruhi oleh pencahayaan dan persepsi visual, sehingga menghasilkan hasil yang tidak konsisten. Tahap preprocessing meliputi resize citra, normalisasi, dan augmentasi data menggunakan teknik flip horizontal, rotasi, brightness, dan zoom untuk meningkatkan variasi dataset. Dataset yang digunakan terdiri dari 2790 citra training, 90 citra validation, dan 45 citra testing. Proses training model menggunakan learning rate 0,0001, 30 epoch, dan fine-tuning pada 30 layer terakhir MobileNetV2. Evaluasi model dilakukan menggunakan confusion matrix, accuracy, precision, recall, dan F1-score. Hasil menunjukkan bahwa model mencapai akurasi pengujian sebesar 40% dengan performa terbaik pada kelas neutral. Hasil ini menunjukkan bahwa MobileNetV2 mampu mengklasifikasikan undertone berdasarkan citra urat nadi, meskipun performa model masih perlu ditingkatkan untuk mendapatkan hasil klasifikasi yang lebih optimal dan stabil.
Keywords:
undertone, urat nadi, MobileNetV2, deep learning##plugins.themes.default.displayStats.downloads##
References
[1] A. Syalsabila, R. Saputra, R. Sutri, R. Saputra, and R. Sovia, "Klasifikasi Citra Buah Jeruk Mandarin dan Kelapa Menggunakan Algoritma PCA dan Metode K-Nearest Neighbor (KNN)," Jurnal Pendidikan Guru Journal-April, vol. 6, no. 2, p. 2025, 2025.
[2] dr. Erlian Dimas SpDVE, "Mengenal Undertone Kulit dan Cara Simpel untuk Mengetahuinya," halodoc.com. Accessed: Nov. 03, 2025. [Online]. Available: https://www.halodoc.com/artikel/mengenal-undertone-kulit-dan-cara-simpel-untuk-mengetahuinya?srsltid=AfmBOoo5rk2pwFXYINWBRAcxJpE-FhDvFSxU4W_63XcjPVt82UY2-qy9.
[3] Rizka Fayyadhila, "View of Implementasi Deep Learning Untuk Klasifikasi Citra Undertone Menggunakan Algoritma Convolutional Neural Network," JOURNAL OF DINDA, vol. 1, 2021.
[4] L. E. Butarbutar et al., "Hermawan Syahputra 4) Skinmatch: Rekomendasi Warna Pakaian Berdasarkan Undertone Kulit Menggunakan Pengolahan Citra Digital," JURNAL FASILKOM, vol. 15, no. 2, 2025.
[5] The Body Shop, "SKIN TONE VS. UNDERTONE; APA PERBEDAAN DAN MANFAATNYA?," [Online]. Available: https://www.thebodyshop.com/tips-and-advice/skin-tone-vs-undertone.
[6] Tim Medis Siloam Hospitals, "5 Cara Mengetahui Undertone Kulit dengan Sederhana," siloamhospitals.com. Accessed: Nov. 04, 2025. [Online]. Available: https://www.siloamhospitals.com/informasi-siloam/artikel/cara-mengetahui-undertone-kulit.
[7] Regional Marketing Team, "4 Cara Mengetahui Undertone Kulit dengan Mudah," watsons.co.id. Accessed: Nov. 04, 2025. [Online]. Available: https://www.watsons.co.id/id/blog/latest-trend-id/4-cara-mengetahui-undertone-kulit-dengan-mudah.
[8] Dian Anisa Agustina, "KLASIFIKASI CITRA JENIS KULIT WAJAH DENGAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) RESNET-50," Jurnal Riset Sistem Informasi, vol. 1, no. 3, pp. 01-07, Jul. 2024, doi: 10.69714/13sbby24.
[9] S. D. Parameswari, N. A. Prasetyo, and A. Junaidi, "Aplikasi Berbasis Web Deteksi Undertone Menggunakan Metode Agile Untuk Rekomendasi Makeup," Jurnal Ilmiah Media Sisfo, vol. 16, no. 1, pp. 62-70, Apr. 2022, doi: 10.33998/mediasisfo.2022.16.1.1111.
[10] R. Juan, H. Butar-Butar, and N. Lysbetti Marpaung, "Deep Learning untuk Identifikasi Daun Tanaman Obat Menggunakan Transfer Learning MobileNetV2," vol. 8, no. 2, 2023.
[11] A. Hadhiwibowo, S. R. Asri, and R. A. Dinata, "Penerapan Convolutional Neural Network dengan Arsitektur Mobilenetv2 Pada Aplikasi Penerjemah dan Pembelajaran Bahasa Isyarat," TIN: Terapan Informatika Nusantara, vol. 4, no. 8, pp. 518-523, Jan. 2024, doi: 10.47065/tin.v4i8.4879.
[12] A. S. Yuditha Hatur Puspita, "Perbandingan Arsitektur MobileNetV2 dan DenseNet121 untuk Klasifikasi," Jurnal Ilmiah Komputasi, vol. 23, no. 1, Mar. 2024, doi: 10.32409/jikstik.23.1.3502.
[13] Mukhlis Santoso, Sarjon Defit, and Yuhandri, "Penerapan Convolutional Neural Network pada Klasifikasi Citra Pola Kain Tenun Melayu," Jurnal CoSciTech (Computer Science and Information Technology), vol. 5, no. 1, pp. 177-184, May 2024, doi: 10.37859/coscitech.v5i1.6713.
[14] D. B. Santosa, A. Wahana, and W. Uriawan, "IMPLEMENTATION OF CONVOLUTIONAL NEURAL NETWORK USING MOBILENETV2 TO DISTINGUISH HUMAN AND ARTIFICIAL INTELLIGENCE PAINTING," Jurnal Teknik Informatika (Jutif), vol. 6, no. 1, pp. 441-452, Feb. 2025, doi: 10.52436/1.jutif.2025.6.1.3827.
[15] N. Virna et al., "Klasifikasi Jenis Jerawat Berdasarkan Citra Menggunakan Convolutional Neural Network dengan Arsitektur MobileNetV2," 2024.
[16] D. Putri and A. Dkk, "AUGMENTASI DATA PADA IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK ARSITEKTUR EFFICIENTNET-B3 UNTUK KLASIFIKASI PENYAKIT DAUN PADI," 2023.
[17] N. Wangsa Kencana and R. Umar, "JIP (Jurnal Informatika Polinema) Implementasi Transfer Learning Untuk Klasifikasi Jenis Ras Ayam Menggunakan Arsitektur MobileNet V2."
[18] I. S. Lestari, J. Jumadi, and N. Lukman, "IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK DENGAN PRE-TRAINED MODEL MOBILENETV2 UNTUK DETEKSI KOLESTEROL," Rabit: Jurnal Teknologi dan Sistem Informasi Univrab, vol. 9, no. 2, pp. 173-183, Jul. 2024, doi: 10.36341/rabit.v9i2.4732.
[19] A. M. F. M. Natsir, A. Achmad, and H. Hazriani, "Klasifikasi Ikan Tuna Layak Ekspor Menggunakan Metode Convolutional Neural Network," Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI), vol. 6, no. 2, pp. 172-183, Oct. 2023, doi: 10.57093/jisti.v6i2.173.
Downloads
Published
Issue
Section
License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
