Perbandingan Algoritma Pembelajaran Mesin untuk Klasifikasi Warna Kulit Berdasarkan Warna Piksel Citra

Abstract

Klasifikasi warna citra digital untuk mendeteksi warna kulit atau bukan kulit merupakan hal yang sangat penting dalam dunia Computer Vision. Hal ini sangat membantu berbagai aplikasi dalam kehidupan nyata, seperti aplikasi deteksi wajah, gerakan tangan, sistem keamanan, deteksi penyakit kulit, pemblokiran konten dewasa, dan lain sebagainya. Warna merupakan komponen yang paling utama dalam hal mendeteksi warna kulit pada citra, oleh karena itu pada penelitian ini akan dilakukan eksperimen klasifikasi warna kulit pada piksel sebuah citra menggunakan ruang warna yang berbeda beda diantaranya, RGB, HSV, YCbCr, dan SCgCr dengan memanfaatkan algoritma pembelajaran mesin, yaitu KNN, Naïve Bayes, dan Random Forest. Pada penelitian ini, data yang digunakan merupakan data public Skin Segmented yang bersumber dari UCI dengan ruang warna RGB dan transformasi ke ruang warna lainnya, hasil klasifikasi yang dilakukan ternyata menghasilkan performa yang sangat baik, untuk algoritma KNN dan Random Forest selalu mendapatkan tingkat akurasi di atas 95% di semua ruang warna tersebut.