Rancang Bangun Aplikasi Skincheck Berbasis Mobile untuk Analisis Kondisi Kulit Wajah dan Rekomendasi Perawatan
Keywords:
SkinCheck, Aplikasi Mobile, Analisis Kulit Wajah, Flutter, Google ML Kit, Rekomendasi SkincareAbstract
Kebutuhan masyarakat akan pemahaman kondisi kulit wajah yang tepat sebelum memilih produk skincare terus meningkat, terutama di kalangan remaja dan dewasa muda pengguna aktif smartphone. Sayangnya, pemilihan produk skincare sering kali masih didasarkan pada tren atau promosi, bukan pemahaman mendalam terhadap karakteristik kulit sendiri, sehingga berisiko menghasilkan perawatan yang kurang tepat sasaran. Penelitian ini bertujuan merancang serta mengembangkan aplikasi mobile bernama SkinCheck yang membantu pengguna melakukan analisis awal kondisi kulit wajah melalui kamera smartphone dan memperoleh rekomendasi perawatan yang relevan. Pengembangan sistem mengikuti model waterfall, meliputi tahap analisis kebutuhan, perancangan, implementasi, pengujian, dan pemeliharaan. Aplikasi dibangun dengan framework Flutter dan bahasa Dart, didukung Supabase untuk autentikasi dan penyimpanan riwayat scan, Google ML Kit untuk deteksi wajah, serta Grok API untuk membantu analisis kondisi kulit seperti jerawat, kadar minyak, dan kelembapan. Fitur utamanya terdiri dari registrasi, login, dashboard, scan kulit, hasil analisis, riwayat scan, edukasi tipe kulit, tips perawatan, notifikasi, profil akun, dan logout. Pengujian fungsional dilakukan melalui metode black box testing. Hasil rancangan memperlihatkan bahwa aplikasi menyajikan alur penggunaan yang praktis, antarmuka yang intuitif, serta fitur pendukung yang membantu pengguna memantau kondisi kulitnya secara lebih terstruktur. Aplikasi ini diposisikan sebagai media informasi awal, bukan pengganti diagnosis tenaga medis profesional.
References
Flutter. (2026). Build apps for any screen. Flutter Documentation. https://flutter.dev/
Google Developers. (2026). Detect faces with ML Kit on Android. Google ML Kit Documentation. https://developers.google.com/ml-kit/vision/face-detection/android
Lee, J., Yoon, H., Kim, S., Lee, C., Lee, J., & Yoo, S. (2024). Deep learning-based skin care product recommendation: A focus on cosmetic ingredient analysis and facial skin conditions. Journal of Cosmetic Dermatology, 23(6), 2066–2077. https://doi.org/10.1111/jocd.16218
Mahendra, G. S., & Asmarajaya, I. K. A. (2022). Evaluation using black box testing and system usability scale in the Kidung Sekar Madya application. Sinkron: Jurnal dan Penelitian Teknik Informatika, 6(4), 2292–2302. https://doi.org/10.33395/sinkron.v7i4.11755
Pressman, R. S., & Maxim, B. R. (2020). Software engineering: A practitioner's approach (9th ed.). McGraw-Hill.
Supabase. (2026). Flutter: Introduction. Supabase Documentation. https://supabase.com/docs/reference/dart/introduction
Sylvagno, G. S., & Rochadiani, T. H. (2025). Skincare recommendation system based on facial skin type with real-time weather integration. Jurnal Sisfokom (Sistem Informasi dan Komputer), 14(2), 230–237. https://doi.org/10.32736/sisfokom.v14i2.2355
Wongvibulsin, S., Yan, M. J., Pahalyants, V., Murphy, W., Daneshjou, R., & Rotemberg, V. (2024). Current state of dermatology mobile applications with artificial intelligence features. JAMA Dermatology, 160(6), 646–650. https://doi.org/10.1001/jamadermatol.2024.0468
xAI. (2026). Get started with xAI. xAI Documentation. https://docs.x.ai/overview
