Acne Detection for Treatment Recommendations

Tentang Proyek

Proyek ini merupakan pengembangan sistem "Acne Detection for Treatment Recommendations" yang memanfaatkan computer vision dan machine learning untuk mendeteksi serta mengklasifikasikan jerawat pada wajah. Sistem dirancang untuk mengenali enam jenis jerawat — nodules, papules, pustules, darkspot, blackhead, dan whitehead — yang kemudian digunakan sebagai dasar rekomendasi perawatan skincare.

Pada tahap pemodelan, digunakan YOLOv8 dengan varian YOLOv8n untuk proses object recognition. Dataset jerawat bersumber dari Roboflow sebanyak 1.255 gambar, sementara dataset skincare bersumber dari Kaggle yang selanjutnya diolah menjadi 330 produk lengkap dengan informasi kandungan melalui hasil scraping menggunakan UiPath.

Dua dataset jerawat dibandingkan berdasarkan performa mAP, dengan hasil menunjukkan bahwa resolusi gambar berpengaruh terhadap tingkat akurasi. Model berhasil mendeteksi keenam jenis jerawat, meskipun akurasi yang diperoleh masih tergolong rendah dengan mAP terbaik sebesar 0,1538 — menjadi catatan penting untuk pengembangan lanjutan.

Untuk sistem rekomendasi skincare, dilakukan perbandingan beberapa pendekatan seperti cosine similarity dan binary encoding, dengan content-based filtering berbasis binary encoding dipilih sebagai metode akhir untuk mencocokkan jenis jerawat dengan kandungan skincare, menghasilkan 5 produk rekomendasi teratas. Beberapa keterbatasan yang teridentifikasi antara lain kebutuhan dataset yang lebih besar, penambahan jenis jerawat, peningkatan akurasi deteksi, serta rekomendasi yang mempertimbangkan kondisi kulit pengguna secara lebih personal.

Tech Stack