Skinmatch: Rekomendasi Warna Pakaian Berdasarkan Undertone Kulit Menggunakan Pengolahan Citra Digital
DOI:
https://doi.org/10.37859/jf.v15i2.9434
Abstract
Warna kulit dan undertone merupakan faktor penting dalam pemilihan warna pakaian yang sesuai, namun deteksi undertone secara manual seringkali subjektif dan dipengaruhi pencahayaan. Permasalahan ini mendorong pengembangan sistem berbasis pengolahan citra untuk mengidentifikasi undertone kulit secara otomatis. Penelitian ini bertujuan untuk merancang dan mengimplementasikan aplikasi SkinMatch yang mampu mendeteksi tiga kategori undertone (warm, cool, dan neutral) serta memberikan rekomendasi palet warna pakaian yang sesuai. Metode yang digunakan mencakup konversi citra dari ruang warna RGB ke HSV dan LAB, analisis histogram, serta pencocokan spektrum warna dengan data referensi. Pengujian dilakukan terhadap 10 responden dengan beragam jenis kulit, di mana setiap responden mengunggah atau mengambil gambar langsung melalui kamera aplikasi dan memberikan penilaian terhadap hasil rekomendasi. Hasil pengujian menunjukkan bahwa sistem berhasil mengklasifikasikan 6 responden pada kategori warm dan 4 responden pada kategori cool. Berdasarkan penilaian subjektif, sebanyak 90% responden menyatakan rekomendasi warna pakaian sesuai dengan kondisi kulit mereka. Kesimpulan penelitian ini adalah algoritma berbasis HSV dan LAB mampu menghasilkan deteksi undertone yang konsisten pada variasi pencahayaan, warna kulit, dan latar belakang gambar, sehingga berpotensi diaplikasikan pada platform fashion technology untuk meningkatkan pengalaman pengguna
Downloads
References
M. Silvana and R. Kurnia, “Sistem Pendeteksian Keserasian Warna Kulit dan Busana Secara Otomatis Untuk Jenis Kelamin Perempuan Berbasis Image Processing,” J. Nas. Tek. Elektro, vol. 3, no. 1, p. 18, 2014, doi: 10.25077/jnte.v3n1.51.2014.
F. Oktaviani and Marsudi, "Perancangan Guidebook Pemilihan Warna Pakaian Berdasarkan Skin Tone Menggunakan Seasonal Color Theory," Jurnal Barik, vol. 5, no. 2, pp. 225–237, 2024.
R. Fayyadhila, A. Junaidi, and N. A. Prasetyo, “Implementasi Deep Learning Untuk Klasifikasi Citra Undertone Menggunakan Algoritma Convolutional Neural Network,” J. Dinda Data Sci. Inf. Technol. Data Anal., vol. 1, no. 2, pp. 52–62, 2021, doi: 10.20895/dinda.v1i2.366.
S. D. Parameswari, N. A. Prasetyo, and A. Junaidi, “Aplikasi Berbasis Web Deteksi Undertone Menggunakan Metode Agile Untuk Rekomendasi Makeup,” J. Ilm. Media Sisfo, vol. 16, no. 1, pp. 62–70, 2022, doi: 10.33998/mediasisfo.2022.16.1.1111.
Y. Apridiansyah, E. D. Putra, D. Diana, and A. C. Pratama, “Segmentasi Warna Kulit Menggunakan Ruang Warna YCBCR Untuk Deteksi Wajah Manusia,” J. Media Infotama, vol. 19, no. 1, pp. 205–210, 2023, doi: 10.37676/jmi.v19i1.3808.
S. K. Wildah and S. J. Kuryanti, “Perbaikan Citra Objek Bawah Air Dengan Menggunakan Metode Implementasi White Balancing Dengan Model Grey World ( WBGW )” J. Speed – Sentra Penelit. Eng. dan Edukasi, vol. 14, no. 3, pp. 75–79, 2022.
F. W. Prabowo et al., “Deteksi Warna Kulit Menggunakan Metode Deep Learning Dengan Cnn ( Convolutional Neural Network ) Untuk,” vol. 19, no. September, pp. 186–190, 2024.
R. B. Ekasanjaya and A. T. W. Wibowo, “Sistem Pemberi Rekomendasi Pakaian Menggunakan Metode Content-Based Filtering,” vol. 11, no. 4, pp. 5034–5041, 2024.
M. Ester and A. A. Agus, “Pengaruh Fashion Influencer Terhadap Warna Busana Generasi Z,” J. Econ. Bussines Account., vol. 7, no. 1, pp. 1487–1509, 2023, doi: 10.31539/costing.v7i1.6724.
W. Y. Nugraha and T. Prasetya, "Pencocokan Warna Baju Berdasarkan Warna Kulit Menggunakan Metode Euclidean Distance," Jurnal Sains dan Informatika, vol. 6, no. 1, pp. 32–39, 2020.
M. A. Ridla, “Perbandingan Algoritma Pembelajaran Mesin untuk Klasifikasi Warna Kulit Berdasarkan Warna Piksel Citra,” J. Sist. Inf. dan Inform., vol. 1, no. 1, pp. 33–41, 2022, doi: 10.33379/jusifor.v1i1.1274.
D. Hernando, A. W. Widodo, and C. Dewi, “Pemanfaatan Fitur Warna dan Fitur Tekstur untuk Klasifikasi Jenis Penggunaan Lahan pada Citra Drone,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 4, no. 2, pp. 614–621, 2020, [Online]. Available: http://j-ptiik.ub.ac.id.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Vivielda Farmawaty Tambunan, Lastri Elisabet Butarbutar, Sherly Davina, Hermawan Syahputra
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright Notice
An author who publishes in the Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) agrees to the following terms:
- Author retains the copyright and grants the journal the right of first publication of the work simultaneously licensed under the Creative Commons Attribution-ShareAlike 4.0 License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal
- Author is able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book) with the acknowledgement of its initial publication in this journal.
- Author is permitted and encouraged to post his/her work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of the published work (See The Effect of Open Access).
Read more about the Creative Commons Attribution-ShareAlike 4.0 Licence here: https://creativecommons.org/licenses/by-sa/4.0/.
_(1).png)
