Sistem Pendeteksi Tipe Kulit dan Suhu pada Wajah Manusia Berbasis Computer Vision

Avista, Angelin Jukasima (2024) Sistem Pendeteksi Tipe Kulit dan Suhu pada Wajah Manusia Berbasis Computer Vision. S1 thesis, Universitas Andalas.

[img] Text (COVER DAN ABSTRAK)
Cover dan Abstrak(1).pdf - Published Version

Download (170kB)
[img] Text (BAB 1 PENDAHULUAN)
BAB 1 Pendahuluan.pdf - Published Version

Download (39kB)
[img] Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf - Published Version

Download (159kB)
[img] Text (BAB 5 PENUTUP)
BAB 5 Penutup.pdf - Published Version

Download (164kB)
[img] Text (SKRIPSI FULL TEXT)
SKRIPSI FULL TEXT.pdf - Published Version
Restricted to Repository staff only

Download (3MB)

Abstract

Kulit pada wajah manusia menjadi masalah yang sulit diatasi dalam konteks perawatan dan kesehatan. Telah dibuat sistem pendeteksi tipe kulit dan suhu pada wajah manusia berbasis computer vision. Sistem pendeteksi kulit pada wajah manusia ini menggunakan WSDCAM digital microscope untuk mendapatkan data gambar dan ditambah dengan sensor MLX90614ESF-BAA untuk mendapatkan suhu kulit pada wajah manusia. Data gambar terdiri atas tipe kulit kering, kulit normal, kulit berminyak, dan bukan kulit. Setiap data terdiri atas 50 gambar yang dilatih menjadi model deep learning dengan menggunakan YOLOV8. Data gambar dan suhu dikirim ke database dengan API, kemudian ditampilkan melalui website dan LCD. Sensor suhu bekerja dengan baik yang memiliki rata rata error sebesar 0,38%. Pendeteksian tipe kulit pada wajah manusia ini memiliki tingkat akurasi sebesar 90% yang berarti sistem dapat membedakan antara kulit kering, kulit normal, kulit berminyak, dan bukan kulit.

Item Type: Thesis (S1)
Supervisors: Dr. Harmadi
Uncontrolled Keywords: computer vision; deep learning; kulit wajah; sensor suhu; YOLOV8
Subjects: Q Science > QC Physics
Divisions: Fakultas Matematika dan Ilmu Pengetahuan Alam > S1 Fisika
Depositing User: s1 Hasan rasy
Date Deposited: 06 Nov 2024 03:43
Last Modified: 28 Nov 2024 07:02
URI: http://scholar.unand.ac.id/id/eprint/481476

Actions (login required)

View Item View Item