PENERAPAN PERN STACK DENGAN FITUR REKOMENDASI PRODUK DAN DETEKSI MASALAH KULIT MENGGUNAKAN CNN TRANSFER LEARNING

Atthariq, Honestyan Didyafarhan (2024) PENERAPAN PERN STACK DENGAN FITUR REKOMENDASI PRODUK DAN DETEKSI MASALAH KULIT MENGGUNAKAN CNN TRANSFER LEARNING. Undergraduate thesis, UPN Veteran Jawa Timur.

	Text (Cover) 20081010064.-cover.pdf Download (5MB)
	Text (Bab 1) 20081010064.-bab1.pdf Download (246kB)
	Text (Bab 2) 20081010064.-bab2.pdf Restricted to Repository staff only until 25 April 2026. Download (1MB)
	Text (Bab 3) 20081010064.-bab3.pdf Restricted to Repository staff only until 25 April 2026. Download (2MB)
	Text (Bab 4) 20081010064.-bab4.pdf Restricted to Repository staff only until 25 April 2026. Download (9MB)
	Text (Bab 5) 20081010064.-bab5.pdf Download (134kB)
	Text (Daftar pustaka) 20081010064.-daftarpustaka.pdf Download (264kB)

Abstract

Penelitian ini mengembangkan model klasifikasi perawatan kulit yang efisien dan akurat menggunakan metode implementatif dan SDLC Waterfall. Implementasi model menggunakan stack PERN (PostgreSQL, Express, React Native, Node.js). Tujuan penelitian ini adalah untuk membantu konsumen Indonesia memilih produk perawatan kulit yang tepat dan meningkatkan kesadaran tentang pentingnya penggunaan produk yang sesuai dengan kebutuhan dan jenis kulit mereka. Model MobileNetV3 yang telah dilatih sebelumnya digunakan sebagai dasar model, dan kemudian disempurnakan berdasarkan data gambar perawatan kulit yang spesifik. Hasil penelitian tersebut menunjukkan bahwa model ini memiliki akurasi klasifikasi yang tinggi (94%) dalam memprediksi penuaan kulit. Evaluasi model menunjukkan performa terbaik pada skenario utama, dengan penurunan performa pada skenario lain. Namun, skenario 4 menunjukkan performa yang mendekati skenario utama, menunjukkan kemiripan data antara kedua skenario tersebut. Hasil penelitian ini menunjukkan bahwa model klasifikasi perawatan kulit yang efisien dan akurat dapat dikembangkan menggunakan pembelajaran transfer dan arsitektur MobileNetV3. Model ini dapat membantu konsumen Indonesia memilih produk perawatan kulit yang tepat dan meningkatkan kesadaran tentang pentingnya penggunaan produk yang sesuai dengan kebutuhan dan jenis kulit mereka. Penelitian ini masih memerlukan pengembangan lebih lanjut untuk meningkatkan akurasi model, terutama dalam skenario yang kompleks.

Item Type:

Thesis (Undergraduate)

Contributors: