UMN Knowledge Center

Rancang Bangun Sistem Rekomendasi Warna Lipstik Berdasarkan Kepribadian Dengan Algoritma K-Nearest Neighbors Berbasis Android

Adiputra, Ryan (2017) Rancang Bangun Sistem Rekomendasi Warna Lipstik Berdasarkan Kepribadian Dengan Algoritma K-Nearest Neighbors Berbasis Android. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

[img]
Preview
Text
Skripsi - Ryan Adiputra - 13110110056 - Teknik Informatka.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (10MB) | Preview

Abstract

Lipstik adalah pewarna bibir yang tersedia dalam berbagai macam warna. Sebuah penelitian menyebutkan penilaian instan soal kepribadian wanita bisa diungkap melalui warna lipstik pilihannya. Oleh karena itu diperlukan penggunaan warna lipstik yang tepat supaya terdapat keselarasan antara kepribadian dengan penampilan individu yang bersangkutan. Penelitian ini dilakukan untuk memberikan rekomendasi warna lipstik berdasarkan kepribadian dengan menggunakan Algoritma K-Nearest Neighbors (KNN), dan instrumen tes kepribadian Myers-Briggs Type Indicator (MBTI). Aplikasi terdiri dari front end dan back end. Bagian back end aplikasi digunakan admin untuk melakukan insert, update, dan delete data dari tabel yang terdapat pada database. Bagian front end aplikasi digunakan user untuk melakukan tes kepribadian guna mendapatkan rekomendasi warna lipstik, dan menambah data training. Perhitungan jarak Euclidean pada algoritma KNN dipengaruhi oleh 5 faktor yaitu nilai usia, introvert, sensing, thinking, dan judging. Rekomendasi warna lipstik didapat dengan mengambil 7 buah data training yang memiliki jarak Euclidean terdekat dengan hasil tes kepribadian. Warna lipstik yang digunakan pada penelitian adalah cokelat, pink, merah, oranye, dan ungu. Berdasarkan evaluasi uji coba, diperoleh akurasi aplikasi 87.38% yang tergolong good classification, presisi dan recall yang sama-sama bernilai 75.68% yang tergolong fair classification. Nilai software quality adalah 79.13% yang tergolong baik.

Item Type: Thesis (Bachelor Thesis)
Uncontrolled Keywords: K-Nearest Neighbors, Data Mining, Myers-Briggs Type Indicator, Sistem Rekomendasi, Lipstik
Subjects: T Technology > T Technology (General) > T55 Industrial engineering. Management engineering
T Technology > T Technology (General) > T55 Industrial engineering. Management engineering > T58.5-58.64 Information technology
T Technology > T Technology (General) > T55 Industrial engineering. Management engineering > T58.5-58.64 Information technology > T58.59 Algorithm
Divisions: Fakultas Teknik Informatika > Program Studi Informatika
Depositing User: mr admin umn
Date Deposited: 24 Jan 2019 02:12
Last Modified: 24 Jan 2019 02:12
URI: http://kc.umn.ac.id/id/eprint/4848

Actions (login required)

View Item View Item