ANALISIS DAN PEMODELAN BENTUK WAJAH PELANGGAN UNTUK OPTIMASI PILIHAN KACAMATA

Abstrak

Pemilihan bingkai kacamata merupakan aspek krusial dalam menunjang penampilan dan estetika, namun seringkali dilakukan secara subjektif oleh pelanggan maupun petugas optik. Penelitian ini bertujuan untuk menganalisis dan membangun sebuah sistem otomatis pengklasifikasi bentuk wajah manusia guna memberikan rekomendasi bingkai kacamata yang akurat dan objektif. Metode yang diusulkan mengintegrasikan teknologi Computer Vision dan Deep Learning dengan fokus utama pada penggunaan algoritma Convolutional Neural Network (CNN) dan MediaPipe Face Mesh. Metodologi penelitian ini menggunakan pendekatan kuantitatif eksperimental dengan memanfaatkan dataset citra wajah yang mencakup kategori Oval, Bulat, Persegi, Hati, dan Panjang. Proses dimulai dengan ekstraksi 468 titik landmark wajah menggunakan MediaPipe untuk memperoleh rasio geometri yang presisi, diikuti dengan tahap pra-pemrosesan citra (grayscaling dan resizing 224x224 piksel). Model CNN kemudian dilatih untuk mengekstraksi fitur visual melalui lapisan konvolusi dan melakukan klasifikasi akhir menggunakan aktivasi Softmax. Hasil penelitian menunjukkan bahwa model CNN berhasil mencapai akurasi rata-rata sebesar 90% pada data uji. Kategori wajah "Panjang" memperoleh skor F1-Score tertinggi sebesar 0,95, sementara kategori "Hati" menunjukkan skor terendah sebesar 0,84 akibat kemiripan struktur geometri dengan kategori lain. Implementasi sistem pakar berbasis "Teori Kontras" pada output model secara efektif memberikan rekomendasi bingkai kacamata yang sesuai secara estetika, seperti bingkai persegi untuk wajah bulat dan bingkai bulat untuk wajah persegi. Penggunaan MediaPipe terbukti meningkatkan akurasi sistem sebesar 12% melalui isolasi objek yang lebih bersih. Penelitian ini menyimpulkan bahwa integrasi CNN dan analisis geometri wajah mampu mengoptimalkan layanan digital pada industri optik dengan memberikan rekomendasi yang cepat, konsisten, dan dipersonalisasi.