Pengembangan Aplikasi Deteksi Kondisi Kulit Wajah untuk Perawatan Personal
DOI:
https://doi.org/10.29407/f3xqwj82Keywords:
Deep Learning, Flask, Klasifikasi Jenis Kulit, Real-time, YOLOv8Abstract
Perkembangan deep learning dan computer vision memberikan peluang signifikan dalam analisis citra kulit wajah secara lebih objektif dan konsisten. Namun, keterbatasan dalam identifikasi kondisi kulit secara akurat serta masih terbatasnya sistem analisis kulit berbasis web yang mampu bekerja secara real-time menjadi tantangan yang perlu diatasi. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi jenis kulit wajah berbasis deep learning menggunakan algoritma YOLOv8 yang terintegrasi dengan aplikasi web berbasis Flask. Dataset yang digunakan berasal dari Kaggle dan terdiri atas 2.000 citra kulit wajah yang diklasifikasikan ke dalam empat kategori, yaitu dry, normal, oily, dan combination. Tahap pra-pemrosesan meliputi penyeragaman ukuran citra menjadi 224 × 224 piksel serta penerapan light histogram equalization untuk meningkatkan kualitas visual citra. Model YOLOv8 untuk klasifikasi dilatih selama 50 epoch dan diimplementasikan dalam sistem yang mendukung pengambilan citra wajah secara real-time melalui kamera. Hasil pengujian menunjukkan bahwa model mencapai akurasi top-1 sekitar 67% dan top-5 sebesar 100%, serta mampu mengidentifikasi karakteristik utama setiap jenis kulit. Temuan ini menunjukkan bahwa integrasi YOLOv8 dengan aplikasi web berbasis Flask berpotensi menjadi solusi praktis untuk analisis dan rekomendasi perawatan kulit wajah secara otomatis dan real-time.
Downloads
References
[1] H. D. Nugroho and D. R. Nugroho, “Klasifikasi Jenis Ikan Hiu Menggunakan Algoritma YOLOv8 Berbasis Mobile,” Prosiding Seminar Nasional Teknologi dan Sains, vol. 4, pp. 102–107, 2025.
[2] A. Ardiansyah, R. A. Ramadhani, and D. Swanjaya, “Pengembangan Sistem Rekomendasi Lagu Berdasarkan Ekspresi Wajah Menggunakan YOLO v8,” Prosiding Seminar Nasional Teknologi dan Sains, vol. 4, pp. 79–87, 2025.
[3] R. Setiawan and A. Maulana, “Deteksi Wajah Secara Real-Time Menggunakan Algoritma YOLOv8,” Jurnal Informatika Mulawarman, vol. 19, no. 1, pp. 33–41, 2024.
[4] D. Saputra and I. K. Putra, “Klasifikasi Citra Wajah Menggunakan Convolutional Neural Network,” Jurnal Ilmu Komputer dan Informatika, vol. 8, no. 2, pp. 134–142, 2024.
[5] L. Anggraini, S. Nurhaliza, and D. Puspitasari, “Analisis Subjektivitas dalam Penilaian Kondisi Wajah,” Jurnal Kesehatan Digital, vol. 2, no. 1, pp. 21–29, 2023.
[6] F. Ramadhan and Y. Sari, “Pengaruh Kesalahan Identifikasi Jenis Kulit terhadap Rekomendasi Perawatan Wajah,” Jurnal Sistem Informasi Kesehatan, vol. 4, no. 2, pp. 88–96, 2024.
[7] A. Nugraha and R. P. Wibowo, “Tantangan Sistem Deteksi Citra Real-Time pada Aplikasi Berbasis Web,” Jurnal Informatika dan Multimedia, vol. 6, no. 1, pp. 55–63, 2023.
[8] M. Hakim, R. Wahyuni, and A. Setiawan, “Implementasi Deep Learning pada Aplikasi Berbasis Web,” Jurnal Teknologi dan Sistem Komputer, vol. 12, no. 2, pp. 201–209, 2024.
[9] S. Lestari and N. Amalia, “Sistem Rekomendasi Berbasis Citra Menggunakan Deep Learning,” Jurnal Sistem Cerdas, vol. 3, no. 1, pp. 1–9, 2023.
[10] R. Fadillah, B. Prakoso, and I. Gunawan, “Evaluasi Kinerja Sistem Rekomendasi Berbasis Visual,” Jurnal Informatika Terapan, vol. 9, no. 2, pp. 67–75, 2024.
[11] Y. Prakoso and A. Firmansyah, “Analisis Keterbatasan Model Deep Learning pada Klasifikasi Citra Digital,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 10, no. 1, pp. 11–19, 2025.
[12] R. Kurniawan and A. Wijaya, “Penerapan Deep Learning pada Pengolahan Citra Digital,” Jurnal Informatika, vol. 19, no. 2, pp. 115–123, 2023.
[13] S. Hidayat and M. R. Fauzi, “Analisis Computer Vision Berbasis Deep Learning,” Jurnal Teknologi Informasi, vol. 11, no. 1, pp. 45–53, 2023.
[14] A. Pratama, B. Santoso, and R. Handayani, “Aplikasi Computer Vision untuk Sistem Cerdas,” Jurnal RESTI, vol. 7, no. 3, pp. 512–520, 2023.
[15] D. Prabowo, A. Fauzan, and N. Putri, “Integrasi Model Deep Learning Menggunakan Framework Flask,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 5, no. 2, pp. 145–153, 2024.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Yan Yusril Muzaky
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
