Implementasi AIoT pada Sistem Pemantauan Indeks Ultraviolet dan Klasifikasi Warna Kulit untuk Rekomendasi Proteksi Kulit Terhadap Radiasi UV

Latar Belakang. Paparan radiasi ultraviolet yang berlebihan dapat meningkatkan risiko gangguan pada kulit dan mata sehingga diperlukan informasi indeks ultraviolet yang mudah diakses. Tujuan. Penelitian ini bertujuan merancang sistem pemantauan UVI berbasis Artificial Intelligence of Things (AIoT), mengklasifikasikan tingkat risiko paparan UV, dan mengklasifikasi warna kulit untuk menyajikan rekomendasi perlindungan UV bersifat edukatif. Metode. Sistem menggunakan sensor UVM30A, modul Analaog Digital Converter (ADC) ADS1115 dan ESP32 untuk akuisisi serta pengiriman data UVI ke server FastAPI melalui HTTP. Data disajikan melalui antarmuka Gradio. Warna kulit diklasifikasi menggunakan model EfficientNetB2 dengan transfer learning dan preprocessing Contrast Limited Adaptive Histogram Equalization (CLAHE). Dataset berjumlah 2.100 citra wajah dengan pembagian data latih, data validasi, dan data uji dengan proporsi 70%, 20%, dan 10%. Hasil. Hasil evaluasi kesesuaian sensor terhadap data pembanding menghasilkan persamaan regresi y = 0,0006x-1,156, nilai R2 sebesar 0,9732, MAE sebesar 0,64, dan RMSE sebesar 0,74. Model EfficientNetB2 memperoleh Accuracy sebesar 85% pada data uji, dengan performa terbaik pada kelas dark dengan F1-score 0,99. Sistem mampu menampilkan UVI secara real-time, mengklasifikasikan risiko berdasarkan kategori WHO, dan menyajikan rekomendasi edukatif proteksi paparan UV. Kesimpulan. Sistem mampu mengintegrasikan pemantauan UVI dengan klasifikasi warna kulit untuk menyajikan informasi perlindungan UV berbasis kondisi yang terukur. Rekomendasi yang dihasilkan bersifat edukatif dan tidak digunakan sebagai penilaian klinis sensitivitas kulit.