Optimalisasi Model Deep LearningCNN Berbasis Android untuk Identifikasi Jenis Jerawat dan Rekomendasi Perawatan Kulit Wajah

Abstract

Wajah memiliki peran krusial dalam membentuk penampilan seseorang. Namun, beragam permasalahan kulit, termasuk jerawat, dapat menurunkan rasa percaya diri. Meskipun tidakmengancam nyawa, jerawat yang parah berpotensi memengaruhi kondisi psikologis serta kesehatan mental individu.Artikelini berfokus pada pengembanganaplikasicerdas berbasis Android yang mampu mendeteksi jenis jerawat melalui analisis citra, sekaligus memberikan rekomendasi perawatan kulit wajah yang sesuai. Metode Deep Learning Convolutional Neural Network (CNN) diterapkan untuk mengklasifikasikan citra dengan membandingkan kinerja beberapa model, yaitu MobileNetV2, NASNetMobile, ResNet50V2, DenseNet121,dan EfficientNetB0. Hasil pengujian menunjukkan bahwamodelResNet50V2 memiliki tingkat akurasi tertinggi dalam mengidentifikasi jenis jerawat, yakni sebesar 92,59%.Aplikasiini mengelompokkan jerawat ke dalam kategori komedo (blackheads), papula, pustula, nodul, dan kondisi wajah normal. Selain klasifikasicitra wajah,aplikasijuga merekomendasikan metode perawatan yang paling tepat berdasarkan hasil pengenalan tersebut. Dengan demikian, sistem cerdas ini diharapkan dapat membantu pengguna mengenali jenis jerawat yang dialami, menentukan perawatan yang efektif,mempercepat proses penyembuhan, serta meningkatkan kepercayaan diri.