Sistem Rekomendasi Gaya Rambut Personal Berdasarkan Analisis Wajah dan Rambut

Abstract

Abstrak— Pemilihan gaya rambut seringkali bersifat subjektif dan tidak didasarkan pada karakteristik visual yang objektif, sehingga mengurangi tingkat personalisasi dan kepuasan pengguna. Penelitian ini bertujuan untuk mengembangkan sistem identifikasi gaya rambut berbasis website yang mampu memberikan rekomendasi personal berdasarkan analisis data visual. Untuk mencapai tujuan tersebut, penelitian ini menerapkan pendekatan deep learning dengan mengembangkan dua arsitektur Convolutional Neural Network (CNN) pada EfficientNetB0 untuk tugas klasifikasi bentuk wajah dan ResNet50 untuk klasifikasi jenis rambut. Metode penelitian yang digunakan adalah Cross-Industry Standard Process for Data Mining (CRISP-DM), yang mencakup tahapan pemahaman bisnis, pemahaman data, persiapan data dengan augmentasi, pemodelan menggunakan transfer learning, evaluasi, hingga implementasi. Hasil dari penelitian ini adalah sebuah aplikasi web fungsional yang mampu melakukan klasifikasi bentuk wajah dan jenis rambut dari gambar yang diunggah pengguna. Sistem ini berhasil mengintegrasikan kedua model untuk memberikan identifikasi gaya rambut yang lebih akurat dan personal, sehingga dapat menjadi solusi objektif dalam industri kecantikan digital.

Kata Kunci— Identifikasi Gaya Rambut, Klasifikasi Gambar, EfficientNet, ResNet, Personalisasi Rambut.