KLASIFIKASI BENTUK WAJAH WANITA CANTIK MENGGUNAKAN METODE K-NEAREST NEIGHBOR BERBASIS EKTRAKSI FITUR GEOMETRIS DENGAN PYTHON

Abdullah, Abillaza (2026) KLASIFIKASI BENTUK WAJAH WANITA CANTIK MENGGUNAKAN METODE K-NEAREST NEIGHBOR BERBASIS EKTRAKSI FITUR GEOMETRIS DENGAN PYTHON. Skripsi (Bachelor) thesis, Universitas Muhammadiyah Bengkulu.

[img] Text (Fulltext)
ABILLAZA ABDULLAH_2055201140_ Fulltext.pdf - Submitted Version
Restricted to Repository staff only
Download (1MB) | Request a copy
[img] Text (Turnitin)
ABILLAZA ABDULLAH_2055201140_Turnitin.pdf - Submitted Version
Restricted to Repository staff only
Download (3MB) | Request a copy
[img] Text (BAB 1)
ABILLAZA ABDULLAH_2055201140_ABSTRAK + BAB 1.pdf - Submitted Version
Download (105kB)
[img] Text (BAB 2)
ABILLAZA ABDULLAH_2055201140_BAB 2.pdf
Download (232kB)
[img] Text (BAB 3)
ABILLAZA ABDULLAH_2055201140_BAB 3.pdf - Submitted Version
Restricted to Repository staff only
Download (438kB) | Request a copy
[img] Text (BAB 4)
ABILLAZA ABDULLAH_2055201140_BAB 4.pdf - Submitted Version
Restricted to Repository staff only
Download (602kB) | Request a copy
[img] Text (BAB 5)
ABILLAZA ABDULLAH_2055201140_BAB 5.pdf - Submitted Version
Download (147kB)
[img] Text (Ref)
ABILLAZA ABDULLAH_2055201140_Ref.pdf - Submitted Version
Download (202kB)

Abstract

Penelitian ini mengimplementasikan sistem klasifikasi kecantikan wajah wanita berbasis computer vision menggunakan metode K-Nearest Neighbor (KNN) yang berbasis ekstraksi fitur geometris. Sistem memanfaatkan pustaka MediaPipe Face Mesh untuk mendeteksi landmark wajah, kemudian mengekstraksi 12 fitur geometris yang meliputi empat fitur simetri wajah, tiga fitur golden ratio/proporsi wajah, tiga fitur proporsi hidung, dan dua fitur proporsi bibir. Karena tidak tersedia ground truth kecantikan yang independen, pelabelan dataset primer sebanyak 100 citra wajah wanita dilakukan secara semi-otomatis berdasarkan skor komposit dari fitur geometris yang sama, kemudian ditinjau ulang secara manual, menghasilkan tiga kategori kelas yang relatif seimbang, yaitu Sangat Cantik (33 citra), Cantik (34 citra), dan Cukup Cantik (33 citra). Fitur yang telah diekstraksi dinormalisasi menggunakan StandardScaler, kemudian diklasifikasikan menggunakan algoritma KNN berbobot jarak (distance-weighted) dengan pengukuran jarak Euclidean. Evaluasi kinerja sistem dilakukan menggunakan skema 10-fold stratified crossvalidation. Hasil pengujian terhadap 100 citra menunjukkan bahwa sistem mencapai akurasi sebesar 75,00%, dengan nilai presisi rata-rata 0,7669, recall ratarata 0,7504, dan F1-score rata-rata 0,7484. Kelas Sangat Cantik memperoleh performa terbaik (F1-score 0,8732), sedangkan kelas Cantik yang berada di posisi tengah memperoleh performa terendah (F1-score 0,6575) karena lebih rentan tertukar dengan kedua kelas yang berbatasan langsung dengannya. Penelitian ini menegaskan bahwa kecantikan merupakan konstruksi persepsi yang subjektif, sehingga hasil klasifikasi yang diperoleh merefleksikan konsistensi model terhadap skema pelabelan berbasis proporsi geometris yang digunakan, bukan penilaian kecantikan oleh manusia secara independen.

Item Type: Thesis (Skripsi (Bachelor))
Additional Information: Pembimbing : Yovi Apridiansyah, S.Kom., M.Kom
Uncontrolled Keywords: Klasifikasi Kecantikan Wajah, K-Nearest Neighbor, Ekstraksi Fitur Geometris, MediaPipe Face Mesh, Golden Ratio, Confusion Matrix, Python
Subjects: Universitas Muhammadiyah Bengkulu > 02-Fakultas Teknik > 55201-(S1) Teknik Informatika
02-Fakultas Teknik > 55201-(S1) Teknik Informatika
Divisions: 02-Fakultas Teknik > 55201-(S1) Teknik Informatika
Subjek Terkait > 02-Fakultas Teknik > 55201-(S1) Teknik Informatika
Depositing User: Mrs Hesti Ayu
Date Deposited: 05 Sep 2026 02:43
Last Modified: 05 Sep 2026 02:43
URI: http://repository.umb.ac.id/id/eprint/3965

Actions (login required)

View Item View Item