Deteksi otomatis dan klasifikasi masalah kulit wajah menggunakan Algoritma Deep Learning

Abstract

Kulit adalah organ esensial tubuh manusia yang mencerminkan kesehatan dan berfungsi untuk melindungi tubuh dari berbagai gangguan eksternal. Kulit wajah adalah bagian kulit yang paling rentan terhadap masalah. Kulit wajah yang sering terkena polusi dan radiasi dapat menyebabkan kondisi seperti penuaan dini, jerawat, dan kerutan. Selain itu, kehitaman di kelopak mata juga menjadi masalah yang umum ditemui. Masalah-masalah tersebut dapat mempengaruhi kepercayaan diri sehingga dapat menimbulkan dampak psikologis yang serius. Minimnya pemahaman masyarakat mengenai perawatan kulit wajah serta anggapan bahwa perawatan kulit wajah di klinik kecantikan membutuhkan biaya yang tinggi menyebabkan masyarakat seringkali mengabaikan masalah kulit wajah yang dialami. Selama beberapa tahun terakhir, metode deep learning telah banyak digunakan untuk membantu pekerjaan manusia. Salah satu pemanfaatan deep learning adalah pada bidang computer vision, yaitu kemampuan komputer untuk mendapatkan informasi dari sebuah gambar. Pada tahun 2016, deep learning telah mampu untuk melampaui kemampuan manusia dalam menyelesaikan berbagai masalah pengenalan gambar. Melalui deep learning, komputer mampu untuk mengklasifikasikan dan mendeteksi objek dalam sebuah gambar dengan tingkat akurasi yang tinggi. Pada penelitian ini, dibangun sebuah model klasifikasi untuk memprediksi usia kulit wajah manusia menggunakan arsitektur CNN. Selain itu, juga dibangun model deteksi objek untuk mendeteksi jerawat, mata panda, dan kerutan menggunakan arsitektur Faster R-CNN. Proses yang dilakukan pada penelitian ini diawali dengan pemahaman masalah, lalu dilanjutkan dengan penambangan data, pembangunan model, dan evaluasi model. Data yang digunakan untuk melatih model klasifikasi adalah kumpulan gambar wajah manusia dengan berbagai rentang usia yang diambil dari laman Kaggle dan Generated Photos, sedangkan data yang digunakan untuk melatih model deteksi adalah berbagai gambar dengan masalah kulit wajah yaitu jerawat, mata panda, dan kerutan yang diambil dari lama Roboflow. Hasil pembangunan model kemudian diluncurkan ke sebuah perangkat lunak berbasis web menggunakan Flask, sehingga pengguna dapat mengunggah foto untuk dianalisis. Hasil pengujian model klasifikasi usia wajah memiliki akurasi sebesar 85.2%, sedangkan model deteksi jerawat memiliki average precision sebesar 55.89%, model deteksi mata panda memiliki average precision sebesar 65.12%, dan model deteksi kerutan memiliki average precision sebesar 52.73%