Klasifikasi Jenis Kulit Wajah Menggunakan Metode Convolutional Neural Network

Abstract

Abstrak Kulit merupakan salah satu bagian terpenting pada tubuh manusia, selain berfungsi untuk melindungi organ yang ada di dalam tubuh kulit juga merupakan yang paling penting karena mencerminkan penampilan manusia terutama bagian kulit wajah. Setiap individu tentu ingin menjaga dan merawat kulit mereka, namun karena kulit manusia berbeda-beda maka cara merawatnya akan berbeda. Pada tugas akhir ini dilakukan penelitian klasifikasi kulit manusia menggunakan Convolutional Neural Network dengan arsitektur GoogLeNet. klasifikasi akan dilakukan dalam empat kelas yaitu normal, kering berminyak dan kombinasi. klasifikasi akan dilakukan dalam beberapa langkah, yang pertama yaitu dilakukan proses training model terlebih dahulu. Pengujian yang dilakukan melalui beberapa tahap berikut, yaitu penentuan dataset yang dipakai, proses training model, proses testing, dan pengujian performansi. Tujuan dari penelitian ini adalah melakukan analisis kinerja sistem dalam mengidentifikasi jenis kulit metode Convolusi Neural Network (CNN) dengan arsitektur GoogLeNet. Pengujian terbaik dari penelitian ini didapatkan dengan menggunakan nilai test size sebesar 0,2, ukuran citra 64x64, optimizer yang digunakan SGD dan nilai epoch 125. Hasil dari pengujian tersebut dapat mengklasifikasi kulit wajah dengan tingkat akurasi yang didapat sebesar 99,69 %, loss, 1,6496 %, presisi 100 %, recall 100 % dan F-1 Score 100% Kata kunci : Kulit, Convolutional Neural Network, GoogLeNet Abstract Skin is one of the most important parts of the human body, besides it serves to protect the organs in the body, the skin is also the most important because it reflects the human appearance, especially the facial skin. Every individual certainly wants to maintain and care for their skin, but because human skin is different, the way to care for it will be different. In this thesisproject, skin classification was conducted using Convolutional Neural Network with GoogLeNet architecture. Classification will be carried out in four classes, namely normal, dry, oily and combination. Classification will be carried out in several steps, the first is the model training process. The testing is carried out through the following stages, namely determining the dataset used, model training process, testing process, and performance testing. The purpose of this study is to analyze the performance of the system in identifying skin types using the Convolution Neural Network (CNN) method with GoogLeNet architecture. The best case scenario from this study was obtained using a test size value of 0.2, with image resolution of 64x64, using SGD as an optimizer and an epoch value of 125. Using those number and the chosen optimizer the result of this test can classify facial skin with an accuracy rate of 99.69%, 1.6496% loss, 100% precision, 100% recall and 100% F-1 Score. Keywords: Skin, Convolutional Neural Network, GoogLeNet