SISTEM REKOMENDASI FRAME KACAMATA BERDASARKAN BENTUK WAJAH MENGGUNAKAN DEEP LEARNING DENGAN METODE COVOLUTIONAL NEURAL NETWORK ARSITEKTUR RESNET-50

Afandi, Irfan (2024) SISTEM REKOMENDASI FRAME KACAMATA BERDASARKAN BENTUK WAJAH MENGGUNAKAN DEEP LEARNING DENGAN METODE COVOLUTIONAL NEURAL NETWORK ARSITEKTUR RESNET-50. Undergraduate thesis, Universitas Islam Sultan Agung Semarang.

	Text Teknik Informatika_32602000033_fullpdf.pdf Download (2MB)
	Text Teknik Informatika_32602000033_pernyataan_publikasi.pdf Restricted to Registered users only Download (57kB)

Abstract

Kacamata berfungsi sebagai alat bantu penglihatan sekaligus aksesori untuk mempercantik penampilan dan membuat seseorang tampak lebih menarik. Pemilihan bingkai kacamata sama pentingnya dengan pemilihan lensa yang tepat untuk kacamata, karena dapat memengaruhi kenyamanan dan penampilan pemakainya. Mengingat wajah setiap orang unik baik dari segi karakter maupun bentuk, pemilihan bingkai kacamata harus mempertimbangkan bentuk wajah pemakainya. Di Tisna Optical Brebes, proses pemilihan bingkai kacamata masih dilakukan secara manual, yang tentunya kurang efektif karena mengharuskan berkonsultasi langsung dengan pakarnya untuk menentukan bingkai mana yang paling cocok untuk pemakainya. Oleh karena itu, dibutalah sistem rekomendasi frame kacamata berdasarkan bentuk wajah dengan memantaatkan teknik Deep Learning dengan metode Convolutional Neural Network arsitektur ResNet50. Sistem ini mengotomatisasi identifikasi bentuk wajah dan memberikan rekomendasi frame kacamata yang sesuai, sehingga dapat memberikan solusi yang lebih personal dan efektif dalam pemilihan frame. Hasil pengujian menggunakan optimazer adam dengan epoch 40 menghasilkan akurasi sebesar 0,90, precision sebesar 0,90, recall sebesar 0,90, dan f1-score sebesar 0,90. Kata Kunci : Kacamata, Bentuk Wajah, Resnet50, Rekomendasi, Convolutional Neural Network

Item Type:	Thesis (Undergraduate)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Teknologi Industri Fakultas Teknologi Industri > Teknik Informatika
Depositing User:	Pustakawan 4 UNISSULA
Date Deposited:	12 Feb 2025 01:48
URI:	http://repository.unissula.ac.id/id/eprint/37527

Actions (login required)

View Item