Analisis Tingkat Efektivitas Sunscreen pada Wajah Berbasis Citra Digital Menggunakan Support Vector Machine

Abstract

Sunscreen merupakan produk pelindung kulit yang penting dari paparan radiasi ultraviolet (UV). Efektivitasnya dapat berkurang akibat paparan sinar matahari berkepanjangan, keringat, air hujan, dan aktivitas fisik, sehingga reaplikasi setiap dua hingga tiga jam sangat dianjurkan. Namun, pengguna sering kesulitan mengetahui kapan sunscreen sudah tidak efektif karena perubahannya tidak terlihat kasat mata. Penelitian ini mengusulkan pendekatan berbasis citra digital untuk menganalisis tingkat efektivitas sunscreen menggunakan citra wajah biasa tanpa peralatan tambahan. Berbeda dari penelitian sebelumnya yang berfokus pada analisis penyakit kulit atau pengenalan wajah, penelitian ini merupakan yang pertama menerapkan pendekatan selisih fitur intra-subjek untuk menganalisis kondisi oksidasi sunscreen secara langsung dari citra wajah, sehingga variasi warna kulit antar individu dapat dieliminasi tanpa memerlukan alat khusus. Dataset terdiri dari 150 citra wajah dari 75 responden, dibagi seimbang menjadi dua kelas yaitu kondisi aktif (label 0) dan kondisi oksidasi (label 1), dilabeli berdasarkan waktu pengambilan mengacu protokol reaplikasi dua jam. Fitur diekstraksi dari empat region of interest menggunakan Hue Saturation Value (HSV), Local Binary Pattern (LBP), dan Gabor Filter secara mandiri dengan strategi normalisasi intra-subjek untuk mengeliminasi variasi warna kulit antar individu. SVM dengan kernel RBF dilatih menggunakan parameter terbaik yang diperoleh dari proses pencarian parameter sistematis. Pengujian menghasilkan akurasi 83,33% dengan Recall 86,67%, membuktikan metode yang diusulkan mampu menganalisis tingkat efektivitas sunscreen menggunakan citra wajah biasa.