| Penelitian ini bertujuan untuk mengembangkan sistem deteksi dan klasifikasi ras berdasarkan fitur wajah menggunakan algoritma K-Nearest Neighbors (KNN). Ketersediaan dataset gambar wajah yang semakin banyak dan kebutuhan akan klasifikasi ras yang akurat dalam berbagai bidang, seperti keamanan, ilmu sosial, dan pemasaran, menjadi motivasi dalam penelitian ini. Sistem yang diusulkan terdiri dari beberapa tahap. Pertama, algoritma deteksi wajah diterapkan untuk mengidentifikasi dan mengekstraksi daerah wajah dari gambar input. Selanjutnya, fitur-fitur yang relevan, termasuk bentuk, tekstur, dan warna, diekstraksi dari daerah wajah tersebut. Fitur-fitur ini menjadi dasar untuk klasifikasi ras. Algoritma K-Nearest Neighbors (KNN) kemudian digunakan untuk mengklasifikasikan ras setiap individu berdasarkan fitur-fitur yang diekstraksi. Untuk mengevaluasi kinerja sistem, beberapa eksperimen dilakukan menggunakan dataset yang beragam, yang berisi gambar individu dari ras yang berbeda. Dataset ini diberi label dengan teliti untuk memastikan keakuratan ground truth dalam klasifikasi ras. Kinerja sistem diukur berdasarkan akurasi, presisi, recall, dan skor F1. Hasil eksperimen menunjukkan bahwa sistem yang diusulkan mencapai akurasi yang tinggi dalam deteksi dan klasifikasi ras berdasarkan fitur wajah yaitu dengan nilai 93.3%. Penelitian ini semoga memberikan kontribusi pada bidang klasifikasi ras dan memiliki potensi aplikasi dalam berbagai bidang. Sistem yang dikembangkan dapat digunakan dalam sistem keamanan untuk identifikasi yang akurat, dalam ilmu sosial untuk menganalisis demografi ras, dan dalam pemasaran untuk kampanye iklan yang ditargetkan. Pekerjaan selanjutnya dapat difokuskan pada penyempurnaan kinerja sistem dan eksplorasi teknik pembelajaran mesin tambahan untuk meningkatkan akurasi klasifikasi ras. |