Text

Analisis Sistem Cerdas Rekomendasi Hijab Berdasarkan Pola Wajah Berbasis Citra Menggunakan Metode Convolutional Neural Network

---

Ramlah. A .2026. “Analisis Sistem Cerdas Rekomendasi Hijab Berdasarkan Pola Wajah Berbasis Citra Menggunakan Metode Convolutional Neural Network”. Tugas Akhir ini di Bimbing Oleh Mashur Razak. Sebagai Pembimbing 1 dan Latief Arda. Sebagai Pembimbing 2 Penelitian ini mengusulkan kerangka kerja Convolutional Neural Network (CNN) berbasis Multi-Task Learning (MTL) untuk melakukan klasifikasi bentuk wajah dan regresi morfologi wajah kontinu secara simultan sebagai dasar sistem rekomendasi hijab. Pendekatan konvensional umumnya bergantung pada kategori bentuk wajah diskret, yang belum mampu merepresentasikan sifat morfologi wajah yang secara inheren bersifat kontinu. Untuk mengatasi keterbatasan tersebut, dikembangkan arsitektur MTL dengan skema hard parameter sharing menggunakan EfficientNet sebagai shared backbone dan dua task-specific heads, yaitu classification head dan regression head. Morfologi wajah dimodelkan melalui tiga parameter kontinu ternormalisasi, yaitu elongation, angularity, dan chinjaw strength (CJS). Evaluasi model dilakukan menggunakan metrik berbasis confusion matrix serta analisis ROC-AUC. Hasil eksperimen menunjukkan tingkat akurasi klasifikasi sebesar 85,48%, dengan macro F1 score sebesar 0,83 dan weighted F1-score sebesar 0,85. Seluruh kelas menunjukkan kemampuan diskriminatif yang tinggi dengan nilai AUC di atas 0,96. Keluaran regresi memperlihatkan distribusi kontinu yang stabil dan variatif, menunjukkan ketahanan model terhadap kondisi ketidakseimbangan data. Integrasi skor morfologi kontinu ke dalam lapisan keputusan berbasis aturan memungkinkan rekomendasi yang lebih adaptif dan personal dibandingkan pendekatan kategorikal semata. Kerangka kerja yang diusulkan menunjukkan efektivitas MTL dalam menggabungkan klasifikasi diskret dan regresi kontinu pada aplikasi analisis wajah.

---

Ketersediaan

T250083

TESIS-2026 RAM a

Perpustakaan Universitas Handayani Makassar

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

TESIS-2026 RAM a

Penerbit

Universitas Handayani Makassar : Universitas Handayani Makassar., 2026

Deskripsi Fisik

i + 89 hlm; 29 x 21 cm

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

TESIS-2026 RAM a

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

Ed. 1, Cet. 1

Subjek

Multi-Task Learning
CNN,
EfficientNet
regresi morfologi wajah
pseudo-label
sistem rekomendasi.

Info Detail Spesifik

Tesis

Pernyataan Tanggungjawab

Ramlah Abubakar

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus login sebelum memberikan komentar