Klasifikasi Jenis Kulit Wajah Menggunakan Modifikasi Convolutional Neural Network (CNN)
DOI:
https://doi.org/10.34818/eoe.v9i6.18984Abstract
Abstrak—Kulit adalah bagian terluar dari tubuh manusia yang memiliki fungsi penting. Selain berfungsi untuk melindungi organ di dalamnya dan menjaga kesehatan tubuh, kulit wajah utamanya memiliki nilai estetika yang memerlukan perawatan khusus. Untuk itu sebagai langkah untuk merawat kulit wajah, dibutuhkan pengetahuan tentang jenis kulit wajah. Pada penelitian ini dibangun sebuah sistem untuk mengklasifikasikan empat jenis kulit wajah manusia yaitu kulit normal, kulit kering, kulit kombinasi dan kulit berminyak menggunakan Convolutional Neural Network (CNN) dengan arsitektur sederhana yang dimodifikasi untuk mendapatkan ekstraksi ciri yang maksimal. Sejumlah 1560 dataset citra mikroskopis dibagi menjadi 80% data latih dan 20% data validasi. Sistem dirancang dengan menambah layer konvolusi, RelU dan pooling dari arsitektur dasar CNN yang sebelumnya 3 layer, pada penelitian ini dibuat menjadi 5 layer. Sistem yang dirancang ini diuji dalam 5 skenario, untuk mendapatkan nilai parameter yang optimal. Hasilnya sistem pengklasifikasian jenis kulit wajah menggunakan modifikasi CNN ini optimal dengan nilai parameternya sebagai berikut, ukuran resize citra 64×64, optimizer Adam, learning rate 0,0001; epoch 200 dan batch size 64. Dengan mendapatkan akurasi sebesar 99,51% dan loss 0,0048, penelitian ini dapat dikatakan berhasil dengan baik. Kata kunci — convolutional neural network, CNN, jenis kulit wajah, klasifikasi jenis kulit wajahDownloads
References
[1] Almirall, “Learn About The Different Types of Skin”, Available: https://www.almirall.com/your-health/your-skin/types-of-skin. [Accessed on 16 June 2022, 19.:04:23 WIB].
[2] Amelia, R. D., Tritoasmoro, I. I., and Ibrahim, N, “Klasifikasi Jenis Kulit Wajah Menggunakan Metode Discrete Wavelet Transform dan Backpropagation”, E-Proceeding of Engineerging, 6(2), 4147–4153, 2019.
[3] Farhan, M., Rafi, Widodo, A., Wahyu, Rahman, M., and Arif, “Ekstraksi Ciri Pada Klasifikasi Tipe Kulit Wajah Menggunakan Metode Haar Wavelet”, Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 3(3), 2903–2909, 2019.
[4] Liang, M., Liu, R. W., Li, S., Xiao, Z., Liu, X., and Lu, F, “An unsupervised learning method with convolutional auto-encoder for vessel trajectory similarity computation”, Ocean Engineering, 225, 1–22, 2021.
[5] Ma, M., Gao, Z., Wu, J., Chen, Y., and Zheng, X, “A smile detection method based on improved LeNet-5 and support vector machine”, Proceedings - 2018 IEEE SmartWorld, Ubiquitous Intelligence and Computing, Advanced and Trusted Computing, Scalable Computing and Communications, Cloud and Big Data Computing, Internet of People and Smart City Innovations, SmartWorld/UIC/ATC/ScalCom/CBDCom/IoP/SCI 2018, 446–451, 2018.
[6] Rodan, K., Fields, K., Majewski, G., and Falla, T, “Skincare Bootcamp: The Evolving Role of Skincare. Plastic and Reconstructive Surgery”, - Global Open, 4(July), E1152, 2016.
[7] Saha, Sumit “A Comprehensive Guide to Convolutional Neural Networks — the ELI5 way”, Towards Data Science, December 16, 2018. Available: https://towardsdatascience.com/a-comprehensive-guide-to-convolutional-neural-networks-the-eli5-way-3bd2b1164a53. [Accessed on June 18 2022, 16:22:51].
[8] Saidah, S., Fuadah, Y. N., Alia, F., Ibrahim, N., Magdalena, R., and Rizal, S, “Facial Skin Type Classification Based on Microscopic Images Using Convolutional Neural Network (CNN)”, Lecture Notes in Electrical Engineering, 746 LNEE, 75–83, 2021.
[9] Setiawan, Roni “Mengenal Deep Learning Lebih Jelas”, Dicoding, October 9, 2021. Available: https://www.dicoding.com/blog/mengenal-deep-learning/#:~:text=Apa%20itu%20deep%20learning%3F,tiga%20atau%20lebih%20lapisan%20ANN. [Accessed on June 18 2022, 11:32:07 WIB].



