Aplikasi Web Pendeteksi Jerawat Pada Wajah Menggunakan Model Deep Learning Dengan Tensorflow
Abstract
Jerawat merupakan permasalahan kulit yang umum. Jerawat muncul di bidang
dermatologi untuk usia 15 - 40 tahun, 85% pada kelompok usia remaja dengan rentang usia
12 - 24 tahun. Jerawat paling sering terjadi pada wajah terutama area dahi, pipi, dan dagu
karena berbagai faktor etiologi dari jerawat. Asesmen jerawat merupakan prosedur awal yang
secara umum dilakukan oleh dokter kulit sebelum memberikan tindakan perawatan terhadap
kulit jerawat. Asesmen pada jerawat tidak ada prosedur penilaian yang dianggap sebagai
standar global yang memunculkan masalah antar dan intra pengamat. Selain itu, dokter kulit
tidak memiliki cukup waktu untuk menghitung lesi jerawat dengan benar karena mereka
harus menemui banyak pasien dalam waktu yang terbatas. Bagi sebagian dokter kulit,
menghitung lesi jerawat itu membosankan karena berbagai jenis dan jumlah lesi yang ada.
Pengembangan artificial intelligence saat ini digunakan untuk membantu pekerjaan manusia
untuk menjalankan tugas di berbagai bidang, salah satunya adalah pada bidang computer
vision. Computer vision merupakan disiplin ilmu yang mengembangkan kemampuan
komputer untuk mendapatkan informasi dari citra digital yang diamati. Proses asesmen
jerawat dapat dibantu dengan menggunakan computer vision ini. Pengembangan computer
vision untuk pendeteksian objek paling banyak menggunakan model deep learning.
Pendeteksian dilakukan dengan menggunakan model deep learning yang dilatih untuk
mengenali objek jerawat. Foto-foto jerawat yang muncul di area wajah merupakan dataset
yang digunakan untuk melatih model. Model pendeteksian jerawat dibuat dengan
menggunakan metode transfer learning dari model SSD Resnet50 V1 COCO. Proses
pelatihan model dilakukan dengan menggunakan TensorFlow di Google Colab. Hasil
pendeteksian jerawat menggunakan model deep learning dinilai dapat berjalan dengan baik.
Model pendeteksian jerawat nilai total loss sebesar 0,135, nilai mAP sebesar 42.1%, dan nilai
AR sebesar 32%. Model pendeteksian dijalankan menggunakan TensorFlow Serving yang
membutuhkan memori dan waktu inference lebih sedikit. Model hasil pelatihan kemudian
diimplementasikan kedalam aplikasi berbasis web. Pengguna cukup mengunggah foto dan
mendapatkan hasilnya. Proses deteksi jerawat pada aplikasi rata-rata memerlukan waktu 2,77
detik per gambar.
Collections
- Informatics Engineering [2143]