Implementasi Region-Based Convolutional Neural network (RCNN) Untuk Deteksi objek produk Sunscreen Berdasarkan Jenis Kulit

Abstract

Paparan sinar ultraviolet (UV) dari matahari dapat menyebabkan kerusakan kulit, termasuk penuaan dini dan kanker kulit. Sunscreen menjadi perlindungan penting, namun konsumen sering kesulitan memilih yang sesuai dengan jenis kulit mereka. Penelitian ini bertujuan mengimplementasikan algoritma Region-based Convolutional Neural Network (RCNN) untuk mendeteksi produk sunscreen dan menghubungkannya dengan jenis kulit pengguna. Dataset yang digunakan terdiri dari lebih dari 500 gambar produk sunscreen dari 10 merek berbeda yang dikategorikan berdasarkan jenis kulit. Proses analisis mencakup preprocessing data gambar, ekstraksi fitur menggunakan Convolutional Neural Networks (CNN), serta deteksi objek dan regresi bounding box dengan RCNN untuk meningkatkan presisi deteksi. Dari 585 sampel yang diuji, hanya 150 yang berhasil lolos seleksi dengan confidence antara 35% hingga 100%. Hasil menunjukkan bahwa jenis kulit "Normal to Oily" paling sering terdeteksi (29,30%), diikuti "Semua jenis Kulit" (20,38%). Meskipun RCNN efektif untuk kategori kulit tersebut, akurasi deteksi masih perlu ditingkatkan, terutama pada sampel dengan kemiripan visual tinggi. Peningkatan kualitas data dan pengembangan algoritma lebih lanjut diperlukan agar sistem dapat lebih akurat dalam menghubungkan produk sunscreen dengan jenis kulit yang tepat.

Kata kunci: Deteksi Objek, Sunscreens, Akurasi, RCNN, Konvolusi.