Deteksi Jenis Kulit Wajah Menggunakan Convolutional Neural Network Arsitektur Mobilenet
DOI:
https://doi.org/10.34818/eoe.v9i6.18938Abstract
Abstrak —Kulit wajah merupakan bagian tubuh yang sering mendapat perhatian ekstra karena mempengaruhi penampilan seseorang. Deteksi jenis kulit wajah sangat dibutuhkan untuk mengetahui jenis perawatan wajah yang harus dilekukan. Perawatan kulit pada wajah yang sesuai dengan jenis kulit yang dimiliki seseorang juga sangat penting agar kulit wajah tetap sehat. Dalam Tugas Akhir ini akan dibahas tentang bagaimana cara mendeteksi jenis kulit wajah pada manusia dengan metode Convolutional Neural Network arsitektur MobileNet. Pada metode ini, pengujian data akan dilakukan setelah melalui proses training. Setelah dilakukan ekstraksi fitur, jenis kulit akan diklasifikasikan berdasarkan jenis kulit wajah tipe normal, kering, berminyak, dan kombinasi. Penelitian deteksi jenis kulit wajah ini diuji oleh enam parameter sebagai tolak ukur hasil dari keempat tipe jenis kulit, yaitu normal, berminyak, kering, dan kombinasi. Hasil pengujian terbaik didapatkan saat ukuran citra 224x224, optimizer Adamax, learning rate 0,0001; epoch 100, batch size 16, dan n-fold 3 menghasilkan akurasi 93,14%; loss 0,2565; precision 93,25%; recall 93,25%; dan F1-Score 93%. Kata kunci—CNN, Convolutional Neural Network, MobileNet, Deteksi Kulit Wajah, Jenis Kulit WajahDownloads
References
[1] D. Apriyani and Marwiyah, Journal of Beauty and Beauty Health Education, 2014, pp. 1-7.
[2] T. F. B. Nusantara dkk, Klasifikasi Jenis Kulit Wajah Pria Berdasarkan Tekstur Menggunakan Metode Gray Level Co-Occurance Matrix (GLCM) dan Support Vector Machine (SVM), 2018.
[3] N. P. Safira dkk, Klasifikasi Jenis Kulit Wajah Manusia Menggunakan Metode Gabor Wavelet Basis Android, 2020, pp. 436-444.
[4] B. Chongke, J. Wang, D. Yulin, F. Baofeng, K. Jia-Rong and S. Yun, "MobileNet Based Apple Leaf Disease Identification," pp. 1-2, 2020.
[5] S. J. Kalangi, "Histofisiologi Kulit," vol. 5, pp. 12-20, 2013.
[6] N. N. Wardah, A. Sugiarto and A. H. Wibowo, "Sistem Pakar Identifikasi Kerusakan Kulit Wajah untuk Proses Aesthetic and Anti Aging," vol. III, p. 38, 2019.
[7] J. Keller, D. Liu and D. Fogel, "Multilayer Neural Networks and Backpropagation," pp. 35-60, 2016.
[8] S. Khan, H. Rahmani, S. A. A. Shah, M. Bennamoun, G. Medioni and S. Dickinson, "A Guide to Convolutional Neural Networks for Computer Vision," Morgan & Claypool, 2018. [Online]. Available: https://ieeexplore.ieee.org./document/8295029. [Accessed 6 May 2022].
[9] S. Saha, "A Comprehensive Guide to Convolutional Neural Networks — the ELI5 way," 16 December 2018. [Online]. Available: https://towardsdatascience.com/a-comprehensive-guide-to-convolutional-neural-networks-the-eli5-way-3bd2b1164a53. [Accessed 20 May 2022].
[10] A. G. Howard, M. Zhu, B. Chen, D. Kalenichenko, W. Wang, T. Weyand, M. Andreetto and H. Adam, "MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications," p. 2, 2017.
