Skripsi/Tugas Akhir

Perancangan Aplikasi Mobile Deteksi dan Rekomendasi Warna untuk Desain Grafis Menggunakan K-Means Clustering dan Content-Based Filtering (CBF)

---

Rating Anda tentang Buku ini!

---

ABSTRAK
Pemilihan warna yang tepat merupakan aspek penting dalam desain grafis, namun desainer sering menghadapi kesulitan dalam mengidentifikasi dan memilih warna yang sesuai. Penelitian ini bertujuan merancang aplikasi mobile untuk mendeteksi dan merekomendasikan warna menggunakan metode K-Means Clustering dan Content-Based Filtering (CBF). Aplikasi ini membantu desainer grafis untuk mengidentifikasi warna dominan dari gambar secara realtime atau melalui unggahan, serta memberikan rekomendasi warna berdasarkan preferensi pengguna. Metode K-Means Clustering digunakan untuk mengelompokkan warna, sementara CBF untuk menghasilkan rekomendasi yang relevan. Pengujian pada penelitian ini meliputi evaluasi kualitas klaster menggunakan Silhouette Coefficient dan Sum of Squared Error (SSE), serta pengujian kinerja algoritma dan relevansi rekomendasi. Hasil pengujian menunjukkan bahwa aplikasi mampu dapat mendeteksi warna dengan akurasi 98,85% untuk inputan gambar digital dari galeri dan 81,95% untuk inputan gambar menggunakan kamera, sementara sistem rekomendasi berbasis CBF mencapai akurasi sebesar 88.40%. Aplikasi ini diharapkan dapat membantu desainer grafis dalam mengidentifikasi dan memilih warna secara lebih efisien, sehingga meningkatkan produktivitas dalam proses desain.
Kata Kunci: Content-Based Filtering, Desain Grafis, Deteksi Warna, K-Means Clustering, Rekomendasi Warna

ABSTRACT
Proper color selection is an important aspect of graphic design, but designers often face difficulties in identifying and selecting appropriate colors. This research aims to design a mobile application to detect and recommend colors using K-Means Clustering and Content-Based Filtering (CBF) methods. This application helps graphic designers to identify dominant colors from images in realtime or through uploads, as well as provide color recommendations based on user preferences. The K-Means Clustering method is used to cluster colors, while CBF to generate relevant recommendations. Testing in this study includes evaluating the quality of the cluster using Silhouette Coefficient and Sum of Squared Error (SSE), as well as testing the performance of the algorithm and the relevance of recommendations. The test results show that the application is able to detect colors with an accuracy of 98.85% for digital image input from the gallery and 81.95% for image input using a camera, while the CBF-based recommendation system achieves an accuracy of 88.40%. This application is expected to help graphic designers identify and select colors more efficiently, thus increasing productivity in the design process.
Keywords: Color Detection, Color Recommendation, Content-Based Filtering, Graphic Design, K-Means Clustering

---

Ketersediaan

Tidak ada salinan data

Informasi Detail

Judul Seri

--

No. Panggil

SKR 25-51 AUD p - 0824TI

Penerbit

Makassar : Universitas DIPA., 2025

Deskripsi Fisik

xviii + 135 hlm.; 20,5 x 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

--

Klasifikasi

SKR 25-51

Tipe Isi

Text dan Gambar

Edisi/Cetakan

Edisi/Cetakan 27 Februari 2025

Subjek

Skripsi/Tugas Akhir
Desain Grafis
K-Means Clustering
Algoritma Content Based Filtering

Lampiran File