Ekstraksi Ciri untuk Klasifikasi Tipe Kulit Wajah Menggunakan Citra Foto

Abstract

Kulit merupakan salah satu bagian terluar yang melapisi wajah dan menjadi bagian kulit paling sensitif dibanding lainnya. Berbagai permasalahan kulit seperti kusam, berjerawat, hingga komedo merupakan akibat dari adanya kesalahan dalam melakukan perawatan kulit wajah atau pada saat seseorang telah memasuki masa pubertas yang ditandai dengan mimpi basah bagi laki-laki dan menarche bagi perempuan. Langkah awal dalam perawatan kulit wajah adalah dengan mengetahui tipe kulit wajah yang dimiliki. Hal ini sebagai upaya untuk memilih produk perawatan kulit yang sesuai, mengatasi permasalahan yang dialami, hingga meminimalkan kesalahan dalam memilih melakukan perawatan kulit. Berkaitan dengan hal tersebut, pada penelitian ini dilakukan pengembangan model untuk klasifikasi tipe kulit wajah dengan menggunakan citra foto. Pemodelan menggunakan metode Convolutional Neural Network (CNN) dengan melakukan eksplorasi pada setiap arsitekturnya yaitu MobileNetV1, MobileNetV2, dan MobilenetV3Large. Data citra yang berhasil dikumpulkan sebanyak 588 citra yang diambil secara langsung dan telah dilakukan labelling oleh dokter. Pemodelan dilakukan dengan menggunakan data citra yang telah dibagi sebesar 80% untuk data training dan 20% data testing. Proses pemodelan dimulai dengan preprocessing, dilanjutkan training, testing, hingga model evaluation. Hasil pemodelan untuk setiap arsitektur menunjukkan bahwa arsitektur yang cukup baik untuk melakukan klasifikasi tipe kulit wajah adalah MobileNetV3Large dengan validation accuracy sebesar 45% dan training accuracy sebesar 49%. Setelah dilakukan perbaikan citra dan pemodelan ulang dengan arsitektur MobileNetV3Large, didapatkan hasil nilai validation accuracy sebesar 48% dan nilai training accuracy sebesar 51%, hasil tersebut menunjukkan adanya peningkatan setelah data citra diperbaiki.