Penampilan, khususnya gaya rambut, menjadi salah satu faktor yang memengaruhi rasa percaya diri seseorang. Namun, banyak orang mengalami kesulitan dalam menentukan gaya rambut yang sesuai dengan bentuk wajah dan karakteristik rambut yang dimiliki. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem rekomendasi gaya rambut berbasis Convolutional Neural Network (CNN) yang mampu mengidentifikasi bentuk wajah, kepadatan rambut, dan tipe rambut pengguna.
Metode yang digunakan meliputi beberapa arsitektur CNN, yaitu MobileFaceNet, ResNet50, dan EfficientNetB0, serta metode ArcFace untuk meningkatkan kemampuan pengenalan wajah. Dataset yang digunakan terdiri dari CelebA, UTKFace, K-Hairstyle, dan Hair Type Dataset. Sebelum proses pelatihan, data melalui tahapan pengolahan berupa pelabelan, normalisasi, augmentasi, dan pembagian data.
Hasil penelitian menunjukkan bahwa MobileFaceNet memperoleh akurasi sebesar 83%, ResNet50 sebesar 82%, EfficientNetB0 sebesar 94% pada dataset K-Hairstyle, dan 84% pada Hair Type Dataset. Berdasarkan hasil evaluasi, MobileFaceNet dipilih sebagai model klasifikasi wajah karena memiliki ukuran yang lebih ringan sehingga cocok untuk implementasi pada perangkat mobile dan dapat digunakan secara offline.
Berdasarkan hasil yang diperoleh, sistem yang dikembangkan mampu memberikan rekomendasi yang sesuai dengan karakteristik pengguna serta dapat diimplementasikan pada aplikasi mobile dengan performa yang baik.