PREDIKSI UNDERTONE KULIT MENGGUNAKAN CNN DAN YCBCR UNTUK MENGATASI VARIASI PENCAHAYAAN DENGAN REKOMENDASI MAKEUP BERBASIS K-MEANS

Tujuan dari penelitian ini adalah untuk memperluas keakuratan kerangka saran produk kecantikan berbasis warna kulit dengan menggabungkan ruang warna RGB, YCbCr, dan perhitungan convolutional neural setup (CNN) untuk mengenali foto kulit. Ruang warna RGB tampak sangat akurat, tetapi dipengaruhi oleh pencahayaan yang tidak merata. Bagan warna YCbCr direkomendasikan oleh penelitian ini sebagai pendekatan yang lebih tepat untuk mengatasi masalah ini, karena lebih sesuai dengan kerangka visual manusia. Langkah ini mencakup penyempurnaan gambar, menyiapkan tampilan CNN, mengumpulkan informasi tambahan melalui database dan ringkasan Roboflow, serta mengevaluasi performa tampilan menggunakan akurasi, presisi, ringkasan, dan pengukuran skor F1. Dataset yang digunakan terdiri dari 3000 citra vena yang dibagi menjadi 80% data latih dan 20% data uji, dibagi menjadi tiga kelas yaitu hangat, netral, dan dingin