APLIKASI REKOMENDASI MODEL POTONGAN RAMBUT BERDASARKAN BENTUK WAJAH MENGGUNAKAN METODE HAAR CASCADE CLASSIFIER K-MEANS CLUSTERING

Nurbayu, Mochammad Fajar Fitrian (2023) APLIKASI REKOMENDASI MODEL POTONGAN RAMBUT BERDASARKAN BENTUK WAJAH MENGGUNAKAN METODE HAAR CASCADE CLASSIFIER K-MEANS CLUSTERING. Undergraduate thesis, Politeknik Negeri Jember.

	Text (Abstract) 1. E41191240_Mochammad Fajar Fitrian Nurbayu-Abstract.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (8kB)
	Text (Bab 1 Pendahuluan) 2. E41191240_Mochammad Fajar Fitrian Nurbayu-Bab 1.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (11kB)
	Text (Laporan Lengkap) 3. E41191240_Mochammad Fajar Fitrian Nurbayu-Full Text.pdf Restricted to Registered users only Download (2MB) | Request a copy
	Text (Daftar Pustaka) 4. E41191240_Mochammad Fajar Fitrian Nurbayu-Daftar Pustaka.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (125kB)

Abstract

Memotong rambut saat ini sedang menjadi tren di kalangan pria. Banyak model potongan rambut terbaru. Model rambut juga dapat menjadi gambaran karakter orang tersebut. Terkadang hasil gaya rambut yang didapat sesuai, namun banyak juga hasil gaya rambut yang tidak sesuai dengan harapan. Dari hasil survei, 70,3% responden merasa tidak puas dengan hasil potongan rambut yang mereka pilih, dan 30,3% ketidakpuasan tersebut dikarenakan ketidaksesuaian potongan rambut yang dipilih dengan bentuk wajah mereka. Untuk mengatasi masalah tersebut, diperlukan sebuah sistem pendukung keputusan untuk menentukan model bentuk wajah yang sesuai dengan bentuk wajah pelanggan. Metode yang digunakan pada awalnya adalah k-means clustering dimana hasil dari metode ini sangat rendah, oleh karena itu terdapat kandidat metode lain yaitu naïve bayes, random forest, dan convolution neural network. Dari metode tersebut naïve bayes mendapatkan persentase lebih rendah dari 60% dan dan random forest mendapatkan nilai persentase maksimal pada 64%, dan untuk convolution neural network mendapatkan persentase tertinggi hingga 95% pada akurasi data training dan untuk data testing mendapatkan persentase 93% dan untuk uji coba secara manual mendapatkan persentase 90%.

Actions (login required)

View Item