<![CDATA[Penelitian ini bertujuan untuk membangun sistem otomatis yang mampu mendeteksi jerawat (acne vulgaris) dan mengklasifikasikan jenis kulit wajah berdasarkan citra menggunakan dua pendekatan deep learning, yaitu YOLOv7 untuk deteksi objek dan ResNet-50 untuk klasifikasi citra. Dataset citra wajah diperoleh dari platform Kaggle dan dibagi menjadi dua bagian: citra berjerawat untuk pelatihan model deteksi, serta citra berlabel jenis kulit (normal, kering, berminyak) untuk klasifikasi. Proses preprocessing mencakup resize, normalisasi, dan augmentasi data. Model YOLOv8 menunjukkan performa stabil dengan mAP, precision, dan recall pada kisaran 0.55–0.60. Sementara itu, model ResNet-50 berhasil mencapai akurasi validasi 80,32% dan akurasi uji 77,22%, dengan kinerja terbaik pada kelas kulit berminyak. Seluruh model diimplementasikan dalam sistem berbasis web untuk analisis kulit secara real-time. Hasil akhir menunjukkan bahwa pendekatan gabungan ini efektif untuk analisis kulit otomatis dan dapat dikembangkan lebih lanjut untuk aplikasi konsultasi dermatologi daring dan personalisasi perawatan kulit.]]>
Copyrights © 2025
