Sistem Pakar Diagnosis Masalah Kulit Wajah untuk Penentuan Kecocokan Skincare

Abstract

Mayoritas orang memiliki keluhan masalah kulit wajah tingkat akut akibat sebelumnya menggunakan skincare sembarangan dikarenakan kurangnya pengetahuan dalam memilih produk. Kemajuan teknologi dan pembatasan mobilisasi seperti sekarang ini memerlukan program komputer yang mampu meniru pengetahuan pakar sehingga lebih efisien dalam melakukan konsultasi. Oleh karena itu, dilakukan penelitian untuk mengembangkan sistem pakar diagnosis masalah kulit wajah untuk penentuan kecocokan skincare menggunakan kombinasi 2 metode, yaitu metode Naïve Bayes Classifier dan Case Based Reasoning (CBR). Naïve Bayes merupakan metode klasifikasi probabilitas sederhana dengan membagi menjadi beberapa kelas. Nilai terbesar dari masing-masing kelas dipilih menjadi hasil klasifikasi. Case Based Reasoning (CBR) merupakan metodologi untuk menyelesaian masalah baru dengan memanfaatkan pengalaman sebelumnya. Implementasi sistem pakar ini dapat mengetahui diagnosis masalah kulit wajah serta memberikan rekomendasi produk yang cocok. Penelitian ini menggunakan 19 gejala dan 5 masalah kulit wajah yang pada umunya diderita pasien, yaitu berjerawat, flek hitam, keriput, komedo, dan kusam. Sistem ini telah diuji dan didapatkan hasil akurasi sebesar 86% melalui proses perbandingan perhitungan sistem dengan keputusan pakar. Hasil pengujian pengguna mengenai tingkat kualitas sistem yang telah dibuat mendapatkan nilai kesesuaian sebesar 87,45%. Dapat disimpulkan bahwa sistem ini layak digunakan untuk memberikan diagnosis masalah kulit wajah sesuai gejala yang dialami pasien berserta solusi penanganan berupa produk skincare.