IDENTIFIKASI JENIS JERAWAT PADA CITRA WAJAH
Abstract
AVO adalah produsen kosmetik yang berasal dari Indonesia dan diluncurkan pada
Oktober 2014. Website AVO terdapat fitur skin advisor. Skin advisor yaitu fitur yang
digunakan konsumen untuk melakukan konsultasi terkait produk agar mengetahui karakteristik
kulit sehingga konsumen mendapatkan saran khusus untuk menjaga kulitnya agar tetap sehat
dan terjaga. AVO sebagai brand kosmetik lokal ingin menarik hati konsumen dengan cara
memperbarui skin advisor yang secara otomatis menganalisis jenis jerawat pada wajah
berjerawat konsumen melalui foto.
Data yang ada pada penelitian identifikasi jenis jerawat didapatkan dari AVO yang
berjumlah 36 foto wajah berjerawat. Data yang ada selanjutnya diidentifikasi langsung oleh
dokter spesialis kulit dan kelamin. Penulis melakukan penelitian ini menggunakan metode
findcontour dan metode Laplacian of Gaussian untuk mencari kandidat jerawat. Algoritma
yang diusulkan telah diuji pada gambar standar dan memberikan hasil yang sangat wajar.
Terdapat empat jenis jerawat yang diidentifikasi, yaitu whitehead komedo, papul, pustul, dan
nodul. Sistem ini dibuat dengan menggunakan PYTHON. Pengujian dilakukan dengan metode
Black Box dan Single Decission Threshold untuk megukur tingkat keberhasilan sistem dalam
mendeteksi jenis jerawat.
Hasil pengujian identifikasi jenis jerawat dengan menggunakan metode Single
Decission Threshold berdasarkan data yang telah diolah, didapatkan nilai sensitivity whitehead
komedo tertinggi sama dengan terendah yaitu sebesar 0, specificity whitehead komedo tertinggi
sebesar 1 dan terendah sebesar 0,58, dan accuracy whitehead komedo tertinggi sebesar 1 dan
terendah sebesar 0,58. Nilai sensitivity papul tertinggi sebesar 0,70 dan terendah yaitu 0,
specificity papul tertinggi sebesar 1 dan terendah sebesar 0, dan accuracy papul tertinggi
sebesar 0,96 dan terendah sebesar 0. Nilai sensitivity pustul tertinggi sebesar 0,56 dan terendah
yaitu 0, specificity pustul tertinggi sebesar 1 dan terendah sebesar 0, dan accuracy pustul
tertinggi sebesar 1 dan terendah sebesar 0. Nilai sensitivity nodul tertinggi sebesar 0,86 dan
terendah yaitu 0, specificity nodul tertinggi sebesar 1 dan terendah sebesar 0,07, dan accuracy
nodul tertinggi sebesar 1 dan terendah sebesar 0,07.
Collections
- Informatics Engineering [2143]