Implementasi Model Vision Transfomers Pada Klasifikasi Jenis Kulit Wajah Berbasis Website

Abstrak

Permasalahan dalam mengenali jenis kulit wajah seringkali menyebabkan kesalahan dalam memilih produk skincare yang dapat berdampak buruk pada kesehatan kulit. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi jenis kulit wajah secara otomatis berbasis web dengan memanfaatkan arsitektur Vision Transformer (ViT). Model yang digunakan adalah ViT Base Patch 16 yang telah dipra-latih pada dataset ImageNet, kemudian dilakukan fine-tuning dengan dataset citra wajah sebanyak 10.000 gambar yang terbagi rata dalam empat kelas: normal, kering, berminyak, dan kombinasi. Data diproses dengan teknik augmentasi dan normalisasi sebelum dilakukan pelatihan. Hasil pelatihan menunjukkan akurasi sebesar 78% pada data uji, dengan performa terbaik pada kelas combination (F1-score 0.86) dan performa terendah pada kelas normal (F1-score 0.72). Model kemudian diintegrasikan ke dalam sistem berbasis Flask yang memungkinkan pengguna melakukan klasifikasi melalui unggah gambar atau tangkapan kamera secara langsung. Pengujian sistem dilakukan dengan metode functional testing dan API testing menggunakan Postman. Hasil pengujian menunjukkan bahwa seluruh fitur utama sistem berjalan dengan baik, dan API berhasil memberikan respons klasifikasi sesuai format JSON. Dengan demikian, sistem ini dapat membantu pengguna dalam mengenali jenis kulit wajah serta menjadi acuan dalam memilih kandungan skincare yang sesuai.

Identifier

• OpenAlex: https://openalex.org/W7117410267
• DOI: https://doi.org/10.37859/coscitech.v6i2.10026