APLIKASI PENDETEKSI MASALAH KULIT WAJAH MENGGUNAKAN ALGORITMA CNN BERBASIS ANDROID

Abstrak

Kulit wajah merupakan bagian tubuh yang sangat penting dan rentan terhadap berbagai masalah, seperti jerawat (acne), noda hitam (dark spots), mata bengkak (puffy eyes), dan kerutan (wrinkles). Penanganan yang tidak tepat dapat memperburuk kondisi kulit dan mempengaruhi kesehatan serta penampilan. Oleh karena itu, diperlukan alat bantu yang dapat membantu pengguna dalam mengenali kondisi kulit wajah mereka dengan akurat dan memberikan rekomendasi perawatan yang sesuai. Penelitian ini bertujuan untuk mengembangkan sebuah model convolutional neural network (CNN) yang dapat mendeteksi masalah kulit wajah berdasarkan gambar wajah yang diunggah oleh pengguna. Model CNN ini kemudian diimplementasikan ke dalam aplikasi berbasis Android yang dirancang untuk memudahkan pengguna dalam mendapatkan hasil deteksi dan rekomendasi produk perawatan kulit yang relevan. Hasil dari penelitian ini menunjukkan bahwa model CNN yang dikembangkan mampu melakukan deteksi dengan tingkat akurasi, precision, recall, dan f1-score yang masing-masing mencapai 97%, sehingga aplikasi yang dihasilkan dapat membantu pengguna dalam memilih produk perawatan kulit yang tepat. Dengan demikian, aplikasi ini diharapkan dapat memberikan kontribusi positif dalam meningkatkan kesehatan dan kepercayaan diri pengguna melalui perawatan kulit wajah yang lebih baik dan tepat sasaran.

Facial skin is a crucial and vulnerable part of the body, prone to various issues such as acne, dark spots, puffy eyes, and wrinkles. Improper treatment can worsen skin conditions and affect overall health and appearance. Therefore, a tool is needed to help users accurately identify their facial skin problem and provide appropriate skincare recommendations. This study aims to develop a convolutional neural network (CNN) model capable of detecting facial skin problems and conditions based on user-uploaded images. The CNN model is then implemented into an Android-based application designed to make it easier for users to receive accurate detection results and relevant skincare product recommendations. The results of this study show that the developed CNN model can achieve high detection accuracy, with precision, recall, and F1-score each reaching 97%, enabling the resulting application to assist users in selecting the right skincare products. Thus, this application is expected to contribute positively to improving users' skin health and confidence through better and more targeted facial skincare.