Klasifikasi Jenis Rambut Berbasis Citra Menggunakan Convolutional Neural Network dengan Arsitektur MobileNetV2

Nafika S.M (Universitas Nusantara PGRI Kediri)
Made Ayu Dusea Widyadara (Universitas Nusantara PGRI Kediri)
Daniel Swanjaya (Universitas Nusantara PGRI Kediri)

Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Vol. 10 No. 3 (2026): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2026

Penelitian ini bertujuan untuk mengklasifikasikan jenis rambut berbasis citra menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2. Model dikembangkan menggunakan pendekatan transfer learning dengan bobot awal dari dataset ImageNet untuk meningkatkan performa klasifikasi. Dataset terdiri dari tiga kelas, yaitu rambut lurus, bergelombang, dan keriting. Tahapan penelitian meliputi preprocessing citra, augmentasi data, pelatihan model, serta proses fine-tuning. Hasil pengujian menunjukkan bahwa model mampu mencapai akurasi sebesar 91% pada data validasi. Selain itu, diperoleh nilai precision sebesar 0,90, recall sebesar 0,90, dan f1-score sebesar 0,90. Performa terbaik diperoleh pada kelas rambut keriting dengan nilai recall sebesar 0,99. Hasil ini menunjukkan bahwa arsitektur MobileNetV2 dengan teknik transfer learning efektif digunakan untuk klasifikasi jenis rambut berbasis citra dengan tingkat akurasi yang tinggi.