ALGORITMA YOLOV8 UNTUK MENINGKATKAN ANALISA GAMBAR DALAM MENDETEKSI JERAWAT
DOI:
https://doi.org/10.51401/jinteks.v7i1.5432Keywords:
Deteksi Wajah, Deteksi Objek, Jerawat, Data mining, YOLOv8Abstract
Jerawat adalah masalah kulit umum yang dialami oleh jutaan orang di seluruh dunia. Masalah ini tidak hanya mempengaruhi penampilan fisik, tetapi juga dapat menimbulkan dampak psikologis, seperti menurunkan rasa percaya diri. Penanganan jerawat memerlukan deteksi dini dan akurat untuk menentukan perawatan yang tepat. Namun, deteksi jerawat seringkali membutuhkan pemeriksaan manual oleh ahli dermatologi, yang memakan waktu dan biaya. Penelitian ini bertujuan mengembangkan model deteksi otomatis berbasis kecerdasan buatan menggunakan algoritma YOLOv8. Metode penelitian ini adalah pelatihan model YOLOv8 pada dataset gambar wajah berjerawat dengan variasi kondisi, termasuk jenis kulit, pencahayaan, dan ukuran jerawat, meliputi pre-processing untuk meningkatkan kualitas gambar, pelatihan model menggunakan YOLOv8, dan evaluasi kinerja model menggunakan metrik presisi, recall, dan F1-score untuk memastikan akurasi deteksi yang optimal. Hasil penelitian nilai precision mencapai 100.00% namun, nilai recall sebesar 95.00%. Sedangkan untuk nilai F1-Scorenya hanya mencapai 59%. Evaluasi menunjukkan bahwa model memiliki akurasi deteksi tinggi untuk gambar sampel, dengan hasil yang stabil namun sedikit menurun pada data real-time. Model deteksi jerawat berbasis YOLOv8 ini memberikan kontribusi dalam perawatan kulit berbasis teknologi, memungkinkan pengguna melakukan analisis mandiri yang terjangkau. Implementasinya diharapkan dapat mengurangi ketergantungan pada pemeriksaan manual serta membuka peluang inovasi dalam aplikasi kecantikan digital dan dermatologi.
References
S. Seité, A. Khammari, M. Benzaquen, D. Moyal, and B. Dréno, “Development and accuracy of an artificial intelligence algorithm for acne grading from smartphone photographs,” Exp. Dermatol., vol. 28, no. 11, pp. 1252–1257, 2019, doi: 10.1111/exd.14022.
D. T. Aryani and W. Riyaningrum, “Hubungan Acne Vulgaris (Av) Dengan Kepercayaan Diri Pada Mahasiswa Universitas Muhammadiyah Purwokerto Angkatan 2021,” J. Kesehat. Tambusai, vol. 3, no. 3, pp. 434–441, 2022, doi: 10.31004/jkt.v3i3.6595.
R. F. Autrilia and R. H. Ninin, “Mengupas Dampak Psikologis Pada Remaja yang Memiliki Masalah Penampilan yang Berhubungan dengan Jerawat,” J. Psikol. Udayana, vol. 9, no. 2, p. 194, 2022, doi: 10.24843/jpu.2022.v09.i02.p09.
S. Caroline, J. S. Alaric, and A. Anitha, “Prevention of fire and hunting in forests using machine learning for sustainable forest management,” BOHR Int. J. Internet things, Artif. Intell. Mach. Learn., vol. 2, no. 1, pp. 58–64, 2023, doi: 10.54646/bijiam.2023.17.
A. Widayani, A. M. Putra, A. R. Maghriebi, D. Z. C. Adi, and M. H. F. Ridho, “Review of Application YOLOv8 in Medical Imaging,” Indones. Appl. Phys. Lett., vol. 5, no. 1, pp. 23–33, 2024, doi: 10.20473/iapl.v5i1.57001.
M. Y. A. Thoriq, I. A. Siradjuddin, and K. E. Permana, “Deteksi Wajah Manusia Berbasis One Stage Detector Menggunakan Metode You Only Look Once (Yolo),” J. Teknoinfo, 2023, [Online]. Available: http://ejurnal.teknokrat.ac.id/index.php/teknoinfo/article/view/1884
I. Salamah, M. R. A. Said, and S. Soim, “Perancangan Alat Identifikasi Wajah Dengan Algoritma You Only Look Once (YOLO) Untuk Presensi Mahasiswa,” J. MEDIA …, 2022, [Online]. Available: http://www.stmik-budidarma.ac.id/ejurnal/index.php/mib/article/view/4399
K. Khairunnas, E. M. Yuniarno, and A. Zaini, “Pembuatan Modul Deteksi Objek Manusia Menggunakan Metode YOLO untuk Mobile Robot,” J. Tek. ITS, 2021, [Online]. Available: http://ejurnal.its.ac.id/index.php/teknik/article/view/61622
Y. Yanto, F. Aziz, and I. Irmawati, “Yolo-V8 Peningkatan Algoritma Untuk Deteksi Pemakaian Masker Wajah,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 3, pp. 1437–1444, 2023, doi: 10.36040/jati.v7i3.7047.
Hustinawaty and Muhammad Farell, “Implementation of Mask Use Detection With SVM and Haar Cascade in OpenCV,” J. Nas. Tek. Elektro dan Teknol. Inf., vol. 13, no. 1, pp. 31–37, 2024, doi: 10.22146/jnteti.v13i1.9292.
T. Abuzairi, Nurdina Widanti, Arie Kusumaningrum, and Yeni Rustina, “Implementasi Convolutional Neural Network Untuk Deteksi Nyeri Bayi Melalui Citra Wajah Dengan YOLO,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 4, pp. 624–630, 2021, doi: 10.29207/resti.v5i4.3184.
I. Munadhif, D. H. Fathoni, and A. Jamiin, “PENGENDALIAN CCTV MENGGUNAKAN YOU ONLY LOOK ONCE ( YOLO ) Teknik Otomasi , PPNS , Jl . Teknik Kimia Kampus ITS Sukolilo , Surabaya , 60111 PENDAHULUAN Deteksi keberadaan manusia menggunakan kamera telah dilakukan untuk membantu manusia dalam mengawasi seb,” J. Inform. dan Sist. Inf., vol. 6, no. 1, pp. 958–965, 2020.
L. Suroiyah, Y. Rahmawati, and R. Dijaya, “Facemask Detection Using Yolo V5,” J. Tek. Inform., vol. 4, no. 6, pp. 1277–1286, 2023, doi: 10.52436/1.jutif.2023.4.6.1043.
H. O. K. Sugianto, M. A. D. Widyadara, and A. B. Setiawan, “Implementation of Face Recognition for Attendance Using Yolo V3 Method,” Semin. Nas. Inov. Teknol., vol. 6, no. 2, pp. 50–55, 2022, [Online]. Available: https://proceeding.unpkediri.ac.id/index.php/inotek/article/view/2559
N. J. Hayati, D. Singasatia, and ..., “Object Tracking Menggunakan Algoritma You Only Look Once (Yolo) V8 Untuk Menghitung Kendaraan,” Komputa J. Ilm. …, 2023, [Online]. Available: https://ojs.unikom.ac.id/index.php/komputa/article/view/10654
Published
How to Cite
Issue
Section
Copyright (c) 2025 Erinna Astiadewi, Martanto Martanto, Arif Rinaldi Dikananda, Dede Rohman
This work is licensed under a Creative Commons Attribution 4.0 International License.
