AI-Driven Makeup Suggestions Leveraging Mediapipe Face Landmarks For Eye Shape Detection
Abstrak
Dalam dunia kecantikan, riasan bukan hanya bentuk ekspresi diri, tetapi juga keterampilan kreatif yang membutuhkan ketelitian serta pemahaman terhadap struktur wajah. Di antara semua fitur wajah, mata memegang peranan penting dalam menentukan gaya riasan. Setiap individu memiliki bentuk mata yang unik seperti bulat, monolid (sipit), naik (upturned), almond (ideal), dan menurun (downturned), yang masing-masing memerlukan teknik riasan berbeda agar tampil optimal. Namun, banyak individu yang masih kesulitan dalam mengidentifikasi bentuk mata mereka, sehingga hasil riasan menjadi kurang sesuai. Penelitian ini bertujuan untuk mengembangkan sistem cerdas untuk klasifikasi bentuk mata menggunakan teknologi pengolahan citra dan kecerdasan buatan. Framework MediaPipe digunakan untuk mendeteksi titik landmark pada area mata, yang mencakup fitur Eye Aspect Ratio (EAR), Eye Corner (sudut), dan Eye Distance (jarak). Total 1.250 gambar digunakan dari berbagai sumber, termasuk dokumentasi pribadi, Kaggle, dan GitHub MUCT. Proses klasifikasi dilakukan menggunakan algoritma Support Vector Machine (SVM) dengan kernel non-linear RBF, dan divalidasi menggunakan teknik K-Fold Cross Validation sebanyak 10 fold. Sistem menunjukkan akurasi tinggi pada bentuk mata almond, downturned, monolid, dan round, namun masih kurang optimal untuk bentuk mata upturned karena keterbatasan fitur. Penelitian ini juga menghadirkan antarmuka kamera terbuka yang mendeteksi bentuk mata secara real-time dan memberikan rekomendasi gaya riasan yang sesuai. Penelitian ini mendukung pengembangan teknologi kecantikan yang inklusif dan personal, sejalan dengan SDG 5 (Kesetaraan Gender) dan SDG 9 (Inovasi Industri dan Infrastruktur). Penelitian selanjutnya akan difokuskan pada peningkatan akurasi klasifikasi, khususnya untuk bentuk mata upturned.
Identifier
- OpenAlex: https://openalex.org/W4411667681
- DOI: https://doi.org/10.33050/tmj.v10i1.2316

