PENGEMBANGAN MODEL EFFICIENTNET DENGAN INTEGRASI TRANSFER LEARNING DAN DUAL BLOCK ATTENTION MECHANISM DALAM KLASIFIKASI BENTUK WAJAH UNTUK REKOMENDASI KACAMATA

Ketersediaan pilihan model kacamata yang beragam berpotensi menyebabkan choice overload, sehingga dapat menimbulkan kesulitan pada pengambilan keputusan khususnya pada saat memilih bingkai kacamata. Sebagai solusi, penelitian ini mengusulkan sebuah pendekatan rekomendasi bingkai kacamata yang dilakukan berdasarkan bentuk wajah sebagai bentuk penyederhanaan pilihan. Penggunaan artificial intelligence, khususnya pada bidang computer vision dapat memanfaatkan model EfficientNet dalam melakukan klasifikasi bentuk wajah menggunakan strategi transfer learning untuk melakukan ekstrasi fitur. Namun, karakteristik pada bentuk wajah memiliki kemiripan antar bentuknya. Sehingga, model diperlukan atensi lebih menggunakan Dual Block Attention Mechanism. Pendekatan tersebut membuat model dapat memusatkan perhatian dengan menyoroti fitur dan area penting pada bentuk wajah. Implementasi ini mencakup pelatihan model EfficientNet pada dataset untuk mengetahui pengaruh dari Dual Block Attention Mechanism terhadap kemampuan klasifikasi bentuk wajah. Eksperimen dilakukan dengan menggunakan varian EfficientNet-B0 sampai EfficientNet-B7 dengan hasil eksperimen yang menunjukkan bahwa EfficientNet B0 dan EfficientNet-B1 memiliki kondisi model yang good fit. Sedangkan EfficientNet-B2 sampai EfficientNet-B7 menghasilkan model yang over fit. Sehingga EfficientNet-B0 dan EfficientNet-B1 dapat diterapkan dengan Dual Block Attention Mechanism dengan hasil akurasi sebesar 92.1%, meningkat 1% dari baseline untuk EfficientNet-B0 dan 93.1% yang meningkat 1,1% dari baseline untuk EfficientNet-B1. Model yang memiliki performa terbaik digunakan untuk inferensi model. Implementasi yang digunakan untuk inferensi model dengan membangun website sederhana untuk menunjukkan hasil klasifikasi bentuk wajah dan kacamata yang direkomendasikan. Hasil penelitian ini memiliki potensi dalam memberikan rekomendasi kacamata untuk mengurangi kompleksitas pemilihan bingkai kacamata.

Kata Kunci: Attention Mechanism, Choice Overload, EfficientNet, Pola Wajah, Rekomendasi Kacamata