Sistem Deteksi Permasalahan Kulit Wajah Menggunakan Metode Efficientnet-B0

Rhisma Fitriana Novitasari, Made Ayu Dusea Widya Dara, Daniel Swanjaya

Abstract


Permasalahan kulit wajah seperti blackhead, whitehead, nodule, pori-pori, bekas jerawat, papula, dan pustula merupakan permasalahan Syang sering diabaikan, padahal memiliki dampak signifikan terhadap kepercayaan diri dan kualitas hidup seseorang. Penelitian ini bertujuan untuk mengembangkan sistem deteksi permasalahan kulit wajah berbasis citra menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur EfficientNet-B0. Dataset yang digunakan terdiri dari 7.175 citra kulit wajah dengan pelabelan multi-label, yang diperoleh melalui platform Roboflow. Tahapan pre-processing dan augmentasi dilakukan untuk meningkatkan kualitas serta variasi data. Model dilatih menggunakan pendekatan K-Fold Cross Validation sebanyak 2 fold dan dievaluasi menggunakan metrik precision, recall, F1-score, dan accuracy. Hasil evaluasi menunjukkan bahwa model mencapai accuracy sebesar 91,35%, dengan nilai macro precision sebesar 0,89, macro recall 0,96, dan macro F1-score 0,92. Sistem ini mampu mendeteksi dengan akurasi yang cukup tinggi dalam mengidentifikasi beberapa permasalahan kulit secara simultan dan dapat digunakan sebagai alat bantu untuk mengenali kondisi kulit wajah secara mandiri.

References


S. Salamun And F. Wazir, “Rancang Bangun Sistem Pengenalan Wajah Dengan Metode Principal Component Analysis,” Rabit : Jurnal Teknologi Dan Sistem Informasi Univrab, Vol. 1, No. 2, Pp. 59–75, Jul. 2016, Doi: 10.36341/Rabit.V1i2.25.

P. M. Arabi, G. Joshi, R. N. Reddy, A. S. R, And A. P. S, “Categorising Normal Skin, Oily Skin And Dry Skin Using 4-Connectivity And 8-Connectivity Region Properties,” International Journal Of Advanced Networking And Applications, Pp. 2016–2018, 2017.

K. S. Yanisa Putri, I Made Agus Dwi Suarjaya, And Wayan Oger Vihikan, “Sistem Rekomendasi Skincare Menggunakan Metode Content Based Filtering Dan Collaborative Filtering,” Decode: Jurnal Pendidikan Teknologi Informasi, Vol. 4, No. 3, Pp. 764–774, 2024, Doi: 10.51454/Decode.V4i3.601.

J. M. Grant-Kels, “A Delicate Balance,” Int J Womens Dermatol, Vol. 4, No. 2, P. 55, 2018, Doi: Https://Doi.Org/10.1016/J.Ijwd.2018.03.003.

A. Nur Maida, Ms. Siti Aisyah Hading, Mp. Izmi Burhanuddin, Sp. A. Mpd Aisyah Azzahra, And R. Spd, “Perawatan Wajah Teknologi.”

J. C. Brigham, “Face Identification: Basic Processes And Developmental Changes,” In Memory And Suggestibility In The Forensic Interview, Routledge, 2001, Pp. 129–154. Doi: 10.4324/9781410602251-10.

D. Du Crest Et Al., “Skin And Digital–The 2024 Narrative,” Mayo Clinic Proceedings: Digital Health, Vol. 2, No. 3, Pp. 322–330, Sep. 2024, Doi: 10.1016/J.Mcpdig.2024.05.008.

P. Wire, “Singapura Jadi Tuan Rumah World Congress Of Dermatology Ke-25--Wcd Pertama Yang Digelar Di Asia Tenggara,” Www.Antaranews.Com.

G. Mcknight, J. Shah, And R. Hargest, “Physiology Of The Skin,” Surgery (Oxford), Vol. 40, No. 1, Pp. 8–12, Jan. 2022, Doi: 10.1016/J.Mpsur.2021.11.005.

Y. G. Benedicta, A. Pranayama, R. P. Sutanto, And D. Komunikasi, “Perancangan Media Edukasi Untuk Membantu Remaja Wanita Dalam Mengenal Jenis Kulit Sebelum Menggunakan Skincare,” Jurnal Universitas Kristen Petra, Pp. 1–9, 2022.

Zap Clinic, “Zap Beauty Index 2024,” 2024.

Q. Zheng Et Al., “Automatic Facial Skin Feature Detection For Everyone,” Mar. 2022, [Online]. Available: Http://Arxiv.Org/Abs/2203.16056

M. Ath-Thariq And T. Nurhadi Suharsono, “Deteksi Penyakit Kulit Serupa Pada Wajah Berbasis Mobile Dengan Metode Convolutional Neural Network,” 2023.

Nurkhasanah And Murinto, “Klasifikasi Penyakit Kulit Wajah Menggunakan Metode Convolutional Neural Network Classification Of Facial Skin Diseases Using The Method Of The Convolutional Neural Network,” Sainteks, Vol. 18, No. 2, Pp. 183–190, 2021, [Online]. Available: Https://Www.Kaggle.Com/Datasets

D. A. Tyas And T. Ratnaningsih, “Implementasi Mask-Rcnn Pada Dataset Kecil Citra Sel Darah Merah Berdasarkan Kriteria Warna Sel,” Rabit : Jurnal Teknologi Dan Sistem Informasi Univrab, Vol. 8, No. 1, Pp. 100–104, Jan. 2023, Doi: 10.36341/Rabit.V8i1.3026.

Hutomo Try Wibowo, “Klasifikasi Rontgen Citra Paru Untuk Covid-19 Menggunakan Convolutional Neural Network Berbasis Arsitektur Efficientnetv2,” Decode: Jurnal Pendidikan Teknologi Informasi, Vol. 4, No. 1, Pp. 278–289, Feb. 2024, Doi: 10.51454/Decode.V4i1.349.

M. F. Rasyid And M. S. Mustafa, “Aplikasi Pengolahan Citra: Kombinasi Edge Detection Dan Lbph (Local Binary Pattern Histogram) Untuk Pengenalan Daun Herbal,” Doubleclick: Journal Of Computer And Information Technology, Vol. 6, No. 2, P. 83, Feb. 2023, Doi: 10.25273/Doubleclick.V6i2.12446.

M. Tan And Q. V. Le, “Efficientnet: Rethinking Model Scaling For Convolutional Neural Networks,” May 2019, [Online]. Available: Http://Arxiv.Org/Abs/1905.11946

Viranti, “Acne Detection 2 Dataset,” Roboflow Universe. Accessed: May 14, 2025. [Online]. Available: Https://Universe.Roboflow.Com/Skripsijerawatviranti/Acne_Detection_2/Dataset/1


Refbacks

  • There are currently no refbacks.



 
PANDUAN SUBMITE ARTIKEL
 


Kantor Sekertariat:
Universitas PGRI Madiun
Jl. Auri No. 14-16  Kota Madiun 63118
Lt 3 Kantor Program Studi Teknik Informatika
email :  [email protected]
 
 

Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.