Publisher

TRI GUNA DHARMATRI GUNA DHARMA

Journal Jurnal Cyber TechJurnal Cyber Tech Abstract

Setiap gaya rambut terdiri dari berbagai ciri khas yang dikombinasikan. Banyak masyarakat yang tidak mengerti akan hal ini dan hanya mengikuti trend rambut yang ada. Hal ini memberikan hasil yang tidak sesuai dengan ekspektasi. Selain itu, untuk gaya rambut tertentu memiliki cara tersendiri untuk menjaganya agar tetap pada bentuk yang kita inginkan, contohnya gelombang pada rambut. Oleh karena itu, tidak hanya tukang gunting tetapi juga costumer perlu mengetahui cara untuk membentuk rambut mereka. Julles Pangkas adalah tempat pangkas pria yang beroperasi sejak 15 agustus 2015 dan terletak di jl.bunga cempaka padang bulan pasar 3 No.35 (Medan Selayang). Julles Pangkas terkadang memiliki permasalahan terkait seringkali pelanggan yang masih kebingungan dalam menentukan model rambut. Apabila model rambut yang dipilihkan tidak sesusai biasanya membuat turunnya nilai penampilan seseorang. Karena rambut merupakan salah satu faktor utama dalam nilai penampilan. Untuk dapat menentukan model rambut yang sesuai, menurut pendapat dari bentuk wajah merupakan faktor yang sangat penting dalam penentuan model rambut, ketidak samaan model rambut dan bentuk wajah akan menyebabkan rendahnya nilai penampilan seseorang. Maka dari itu dibutuhkan sebuah sistem yang membantu pelanggan yang ada pada Julles Pangkas dalam memilih potongan rambut yang cocok untuknya. Dalam ilmu komputer, dikenal sebuah cara untuk melakukan rekomendasi gaya rambut berdasarkan faktor tertentu di Julles Pangkas yang selama ini menjadi permasalahan yang ditemui. Ilmu tersebut adalah penerapan Jaringan Syaraf Tiruan atau terkadang disebut Neural Network, dimana Neural Network merupakan sebuah sistem yang cara kerjanya seperti jaringan syaraf yang ada pada manusia, dan bekerja sebagai mana otak manusia mengolah sebuah informasi. Hasil penelitian merupakan terciptanya sebuah aplikasi Jaringan Syaraf Tiruan dengan Metode Perceptron yang dapat membantu pihak Julles pangkas dalam merekomendasikan model rambut ke pelanggan.

Conclusion

Berdasarkan analisa pada permasalahan yang terjadi dalam kasus yang diangkat tentang merekomendasikan model pangkas di Julles Pangkas dengan Metode Perceptron, maka dapat ditarik kesimpulan sebagai berikut.Berdasarkan hasil penelitian yang telah dilakukan sebelumnya, dalam merekomendasikan model pangkas di Julles Pangkas dengan menggunakan jaringan syaraf tiruan dengan algoritma Perceptron dilakukan perancangan struktur jaringan syaraf tiruan dengan model Single Layer yang akan dilatih dengan menggunakan data model pangkas yang biasa di Julles Pangkas, kemudian setelah dilakukannya pelatihan maka dilakukan pula pengujian untuk memperoleh hasil rekomendasi dari pelanggan baru yang ada pada Julles Pangkas.Dalam menerapkan metode Perceptron mampu merekomendasikan model pangkas di Julles Pangkas dengan akurat berdasarkan data-data yang diperoleh, digunakanlah data binary yang dilatih ke sistem dan akan menghasilkan bobot mutakhir, bobot tersebut yang akan membantu dalam merekomendasikan model pangkas.Hasil yang diperoleh selama penelitian ini disimpulkan bahwa penggunaan Artificial Neural Network dapat menyelesaikan permasalahan yang ada pada Julles Pangkas terkait dengan rekomendasi model pangkas yang diolah dengan proses pelatihan jaringan dan pengujian jaringan.Dalam membangun aplikasi Aplikasi Jaringan Syaraf Tiruan yang dapat membantu di Julles pangkas dalam merekomendasikan model pangkas dapat menggunakan bantuan pemodelan UML terlebih dahulu, dengan kata lain aplikasi digambarkan pada bentuk Use Case Diagram, Activity Diagram dan Class Diagram.

Future Research

Penelitian lanjutan dapat mengembangkan sistem rekomendasi ini dengan memperluas dataset yang mencakup berbagai bentuk wajah dan jenis rambut yang lebih beragam untuk meningkatkan akurasi model. Selain itu, integrasi umpan balik real-time dari pelanggan setelah menerima rekomendasi dapat digunakan untuk terus memperbaiki dan menyesuaikan model, sehingga sistem menjadi lebih responsif terhadap preferensi individu. Penelitian juga dapat mengeksplorasi penggunaan algoritma lain seperti deep learning untuk meningkatkan kemampuan sistem dalam mengenali pola yang lebih kompleks, sehingga rekomendasi menjadi lebih personal dan sesuai dengan kebutuhan pelanggan.

Metadata

File size	517.33 KB
Pages	8
DMCA	Report