Sistem Klasifikasi Tipe Kulit Wajah Menggunakan Convolutional Neural Network dengan Rekomendasi Tahap Perawatan Kulit

Abstract

Perawatan kulit wajah sering kali dilakukan tanpa mengetahui tipe kulit secara pasti, padahal kondisi kulit dapat berbeda-beda dan dipengaruhi oleh berbagai faktor lingkungan. Hal ini membuat banyak orang kesulitan menentukan tahapan perawatan yang sesuai dan efektif. Penelitian ini bertujuan untuk membangun sistem klasifikasi tipe kulit wajah berbasis citra menggunakan Convolutional Neural Network (CNN) dengan arsitektur ResNet50, serta mengintegrasikannya dengan sistem rekomendasi tahap perawatan kulit. Data yang digunakan berasal dari dataset publik Kaggle yang mencakup empat tipe kulit, yaitu dry, normal, oily, dan acne. Sebelum proses pelatihan, citra wajah melalui tahap pra-pemrosesan berupa konversi warna, perubahan ukuran menjadi 224×224 piksel, normalisasi berbasis ImageNet, serta augmentasi pada data latih untuk meningkatkan variasi data. Model dilatih menggunakan pendekatan transfer learning dan dievaluasi menggunakan confusion matrix serta metrik akurasi, presisi, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model mampu mencapai akurasi sebesar 91,78% dengan performa yang stabil pada seluruh kelas, terutama pada kelas acne yang memiliki nilai F1-score mendekati sempurna. Sistem rekomendasi kemudian memanfaatkan hasil klasifikasi tersebut untuk menampilkan tahapan perawatan kulit yang sesuai dengan tipe kulit pengguna, tanpa mengacu pada merek produk tertentu. Dengan adanya sistem ini, pengguna diharapkan dapat memperoleh panduan perawatan kulit wajah yang lebih objektif, praktis, dan mudah diterapkan dalam kehidupan sehari-hari.