IDENTIFIKASI JENIS JERAWAT PADA CITRA WAJAH

Abstract

AVO adalah produsen kosmetik yang berasal dari Indonesia dan diluncurkan pada Oktober 2014. Website AVO terdapat fitur skin advisor. Skin advisor yaitu fitur yang digunakan konsumen untuk melakukan konsultasi terkait produk agar mengetahui karakteristik kulit sehingga konsumen mendapatkan saran khusus untuk menjaga kulitnya agar tetap sehat dan terjaga. AVO sebagai brand kosmetik lokal ingin menarik hati konsumen dengan cara memperbarui skin advisor yang secara otomatis menganalisis jenis jerawat pada wajah berjerawat konsumen melalui foto. Data yang ada pada penelitian identifikasi jenis jerawat didapatkan dari AVO yang berjumlah 36 foto wajah berjerawat. Data yang ada selanjutnya diidentifikasi langsung oleh dokter spesialis kulit dan kelamin. Penulis melakukan penelitian ini menggunakan metode findcontour dan metode Laplacian of Gaussian untuk mencari kandidat jerawat. Algoritma yang diusulkan telah diuji pada gambar standar dan memberikan hasil yang sangat wajar. Terdapat empat jenis jerawat yang diidentifikasi, yaitu whitehead komedo, papul, pustul, dan nodul. Sistem ini dibuat dengan menggunakan PYTHON. Pengujian dilakukan dengan metode Black Box dan Single Decission Threshold untuk megukur tingkat keberhasilan sistem dalam mendeteksi jenis jerawat. Hasil pengujian identifikasi jenis jerawat dengan menggunakan metode Single Decission Threshold berdasarkan data yang telah diolah, didapatkan nilai sensitivity whitehead komedo tertinggi sama dengan terendah yaitu sebesar 0, specificity whitehead komedo tertinggi sebesar 1 dan terendah sebesar 0,58, dan accuracy whitehead komedo tertinggi sebesar 1 dan terendah sebesar 0,58. Nilai sensitivity papul tertinggi sebesar 0,70 dan terendah yaitu 0, specificity papul tertinggi sebesar 1 dan terendah sebesar 0, dan accuracy papul tertinggi sebesar 0,96 dan terendah sebesar 0. Nilai sensitivity pustul tertinggi sebesar 0,56 dan terendah yaitu 0, specificity pustul tertinggi sebesar 1 dan terendah sebesar 0, dan accuracy pustul tertinggi sebesar 1 dan terendah sebesar 0. Nilai sensitivity nodul tertinggi sebesar 0,86 dan terendah yaitu 0, specificity nodul tertinggi sebesar 1 dan terendah sebesar 0,07, dan accuracy nodul tertinggi sebesar 1 dan terendah sebesar 0,07.