Abstrak

Pemilihan bingkai kacamata yang sesuai bentuk wajah penting untuk kenyamanan dan estetika. Namun, pengguna sering kesulitan mengenali bentuk wajah secara mandiri dan tidak dapat mencoba kacamata secara fisik pada platform belanja daring. Penelitian ini merancang sistem rekomendasi bingkai kacamata berbasis website bernama Mataku yang mengintegrasikan algoritma single-stage object detection YOLOv8n untuk klasifikasi bentuk wajah secara real-time, metode rule-based recommendation, dan fitur virtual try-on. Pengembangannya menggabungkan metodologi CRISP-DM dan Software Development Life Cycle model Waterfall. Dataset Face Shape Detection dari Roboflow diaugmentasi menjadi 8.486 citra lima kelas (heart, oblong, oval, round, square). Model YOLOv8n dilatih dengan transfer learning pada GPU NVIDIA Tesla T4 selama 50 epoch. Evaluasi pada 499 citra testing menghasilkan Precision 90,5%, Recall 90,2%, mAP50 95,7%, mAP50-95 87,0%, dan F1-score 0,90 pada confidence threshold 0,568. Hasil deteksi dipetakan ke enam jenis bingkai (round, oval, rectangle, square, cat-eye, aviator) berdasarkan prinsip keseimbangan visual. Pengujian black-box testing pada 13 skenario antarmuka dan simulasi virtual tryon mencapai tingkat keberhasilan 100%. Sistem rekomendasi bingkai kacamata berbasis website ini dapat diakses pada URL : https://mataku.biz.id/ yang dapat digunakan untuk membantu pengguna memperoleh rekomendasi bingkai kacamata serta melakukan simulasi virtual try-on secara presisi dan interaktif.