Klasifikasi Jenis Kulit Manusia (Terang, Sawo Matang, Gelap) Berdasarkan Citra Digital Menggunakan Teachable Machine
DOI:
https://doi.org/10.35473/jamastika.v5i1.4696Abstract
Penelitian ini bertujuan untuk mengklasifikasikan jenis kulit manusia meliputi kategori terang, sawo matang, dan gelap berdasarkan citra digital dengan memanfaatkan platform Teachable Machine. Pengumpulan data dilakukan melalui platform pencarian gambar di internet seperti Goggle Images, Pinterest, dan beberapa situs terbuka lainnya dengan bantuan teknik web scraping. Data yang diperoleh kemudian melalui proses pembersihan untuk menghilangkan duplikasi serta menyaring citra sesuai kategori warna kulit. Model dilatih menggunakan parameter pelatihan yang telah disesuaikan untuk memperoleh kinerja opyimal. Evaluasi model dilakukan menggunakan confusion matrix, grafik akurasi, dan nilai loss untuk menilai performa klasifikasi pada masing-masing kelas. Hasil penelitian menunjukkan bahwa model mampu mengenali kelas kulit terang dan gelap dengan tingkat akurasi yang sangat tinggi, namun masih mengalami kesulitan dalam membedakan kulit sawo matang karena kemiripan karakteristik visual dengan kelas lainnya. Pengujian dilakukan melalui dua metode input, yakni citra sederhana dan citra kompleks secara real-time. Secara keseluruhan, penelitian ini menunjukkan bahwa Teachable Machine dapat digunakan sebagai solusi cepat dan praktis dalam melakukan klasifikasi warna kulit berbasis citra digital.
Kata kunci: klasifikasi citra, Teachable Machine, Web Scraping, Machine Learning
This study aims to classify human skin types into light, tan, and dark skin categories based on digital images using the Teachable Machine platform. Data collection was conducted through image search platforms on the internet such as Google Images, Pinterest, and several other open sites with the help of web scraping techniques. The obtained data then underwent a cleaning process to remove duplications and filter images according to skin color categories. The model was trained using adjusted training parameters to obtain optimal performance. Model evaluation was carried out using a confusion matrix, accuracy graphs, and loss values to assess the classification performance of each class. The results showed that the model was able to recognize light and dark skin classes with a very high level of accuracy, but still had difficulty in distinguishing tan skin due to the similarity of visual characteristics with other classes. Testing was carried out using two input methods, namely simple images and complex images in real-time. Overall, this study shows that Teachable Machine can be used as a fast and practical solution for digital image-based skin color classification.
Keywords: image classification, Teachable Machine, web scraping, machine learning
References
Aiman Faiz, Nugraha Permana Putra, & Fajar Nugraha. (2022). Memahami Makna Tes, Pengukuran (Measurement), Penilaian (Assessment), Dan Evaluasi (Evaluation) Dalam Pendidikan. Jurnal Education and Development Institut Pendidikan Tapanuli Selatan, 10(3), 1696–1705.
Chazar, C., & Rafsanjani, M. H. (2022). Penerapan Teachable Machine Pada Klasifikasi Machine Learning Untuk Identifikasi Bibit Tanaman Pendahuluan.
Djiwadikusumah, F., Irawan, G. H., & Haekal Al-Fadilah, R. (2021). Web scraping situs e-commerce menggunakan teknik parsing dom. Jurnal Siliwangi, 7(2), 52–57. https://jurnal.unsil.ac.id/index.php/jssainstek/article/view/4223/1958
Fajri, F. N., Malik, K., Qorik, G., & Pratamasunu, O. (2022). Metode Pengumpulan Data Pada Deteksi Pakaian Hijab Syar’I Berdasarkan Citra Digital Menggunakan Teachable machine Learning. 5(2), 194–203. https://doi.org/10.31764/justek.vXiY.ZZZ
Haris, A. R., Putra, G. A. W., Suartana, I. P. E., & Wira, B. P. (2022). Klasifikasi Warna Kulit Pada Sebuah Citra Digital Menggunakan Metode Naive Bayes. Bidang Ilmu Komputer Dan Aplikasinya, 805–811. https://conference.upnvj.ac.id/index.php/senamika/article/view/2262%0Ahttps://conference.upnvj.ac.id/index.php/senamika/article/download/2262/1776
Hartono, A. C., Sidharta, V. M., Astiarani, Y., & Regina, R. (2023). Association between melanin and vitamin D: A systematic review. Jurnal Kedokteran Dan Kesehatan Indonesia, 95–103. https://doi.org/10.20885/jkki.vol14.iss1.art13
Marbun, F. K., Tarigan, S. B., & Sudarti, S. (2023). Tinjauan Analisis Manfaat dan Dampak Sinar Ultraviolet Terhadap Kesehatan Manusia. Jurnal Penelitian Inovatif, 3(3), 605–612. https://doi.org/10.54082/jupin.235
Natbais, Y. H., & Umbu, A. B. S. (2023). Aplikasi Deteksi Penyakit pada Daun Tomat Berbasis Android Menggunakan Model Terlatih Tensorflow Lite. Teknotan, 17(2), 83. https://doi.org/10.24198/jt.vol17n2.1
Nugroho, E. A., Setiawan, J. D., M, Munadi, & Rustiyanti, A. (2025). Penerapan Teachable Machine Dan Raspberry Pi Pada Sistem Klasifikasi Citra Untuk Inspeksi Cacat Kain. Jurnal Teknologi Informasi Dan Ilmu Komputer, 12(1), 77–86. https://doi.org/10.25126/jtiik.2025128932
Nurkholis, A., Fernando, Y., & Ans, F. A. (2023). Metode Vector Space Model Untuk Web Scraping Pada Website Freelance. INTI Nusa Mandiri, 18(1), 52–58. https://doi.org/10.33480/inti.v18i1.4266
Pi, R. (2024). Sistem Klasifikasi Citra untuk Proses Inspeksi Kain Menggunakan Teachable Machine dan Raspberry Pi Image Classification System for Fabric Inspection Using Teachable Machine and. Jurnal Teknologika, 14(1), 49–60. https://doi.org/10.51132/teknologika.v14i1
Prasetio, A., & Utami, Y. (2025). Analisis Warna Kulit Menggunakan Citra Digital Berbasis Ruang Warna YCbCr. Jurnal Nasional Komputasi Dan Teknologi Informasi (JNKTI), 8(3), 1728–1732. https://doi.org/10.32672/jnkti.v8i3.9228
Ridla, M. A., Sains, F., Ibrahimy, U., & Ridla, M. A. (2022). Perbandingan Algoritma Pembelajaran Mesin untuk Klasifikasi Warna Kulit Berdasarkan Warna Piksel Citra. 1(1), 33–41.
Sistem, J., & Tgd, I. (2025). Pengelompokan Citra Warna Kulit Untuk Rekomendasi Shade Make-Up Kecantikan Dengan Konsep Pengolahan Citra Digital. 4, 989–998.
Widiarto Prabowo, F., Homaidi, A., & Lutfi, A. (2024). Deteksi Warna Kulit Menggunakan Metode Deep Learning Dengan Cnn (Convolutional Neural Network) Untuk Menentukan Kecocokan Warna Kulit Dan Warna Busana. Jurnal Teknik Elektro Dan Informatika, 19(September), 186–190.
