Sistem Identifikasi Motif Pakaian Berbasis Citra dengan Metode Convolutional Neural Network

ABSTRACT

INDONESIA:
Belanja online saat ini mengalami pertumbuhan yang sangat pesat, terutama dalam kategori pakaian. Motif pakaian merupakan salah satu kriteria penting bagi pembeli dalam memilih pakaian, namun menemukan motif yang sesuai tidak selalu mudah karena penggunaan kata kunci tidak selalu akurat dalam mengungkap kebutuhan konsumen. Penelitian ini bertujuan untuk membuat sistem yang dapat mengidentifikasi motif pakaian dengan menggunakan metode Convolutional Neural Network (CNN), yang merupakan jenis Artificial Neural Network (ANN) dan termasuk bagian dari deep learning yang umumnya digunakan untuk analisis gambar digital. Input yang digunakan CNN adalah data gambar yang sudah dilakukan preprocessing, yaitu square cropping, resize gambar sebesar 128x128, dan konversi ke grayscale. Setelah melakukan pengujian pada lima sistem yang berbeda, didapatkan hasil bahwa sistem kelima memiliki performa terbaik dengan nilai accuracy sebesar 68%, precision sebesar 68%, recall sebesar 67,9% dan f-measure sebesar 67,91%. Hal ini dikarenakan sistem kelima melakukan ekstraksi fitur sebanyak tiga kali dengan kernel yang berbeda sehingga fitur yang didapatkan lebih banyak.

ENGLISH:
Online shopping is currently experiencing rapid growth, especially in the clothing category. Clothing motifs are one of the important criteria for buyers in choosing clothes, but finding suitable motifs is not always easy because the use of keywords is not always accurate in revealing consumer needs. This research aims to create a system that can identify clothing motifs using the Convolutional Neural Network (CNN) method, which is a type of Artificial Neural Network (ANN) and is part of deep learning that is generally used for digital image analysis. The input used by CNN is image data that has been preprocessed, which is square cropping, image resizing to 128x128, and converting to grayscale. After experimenting with five different systems, the result shows that the fifth system has the best performance with a value of 68% for accuracy, 68% for precision, 67.9% for recall and 67.91% for f-measure. This is because the fifth system performs three times feature extraction with different kernels, allowing more features to be obtained.

ARABIC:
يشهد التسوق عبر الإنترنت حاليًا نموًا سريعًا ، لا سيما في فئة الملابس. تعتبر زخارف الملابس أحد المعايير المهمة للمشترين في اختيار الملابس ، لكن العثور على الزخارف المناسبة ليس بالأمر السهل دائمًا لأن استخدام الكلمات الرئيسية ليس دائمًا دقيقًا في الكشف عن احتياجات المستهلك. يهدف هذا البحث إلى إنشاء نظام يمكنه تحديد أشكال الملابس باستخدام طريقة الشبكة العصبية التلافيفية (CNN) ، وهي نوع من الشبكات العصبية الاصطناعية (ANN) وهي جزء من التعلم العميق الذي يستخدم عمومًا لتحليل الصور الرقمية. المدخلات المستخدمة بواسطة CNN هي بيانات الصورة التي تمت معالجتها مسبقًا ، وهي اقتصاص مربع ، وتغيير حجم الصورة إلى 128 × 128 ، والتحويل إلى تدرج رمادي. بعد اختبار خمسة أنظمة مختلفة ، وجدنا أن النظام الخامس لديه أفضل أداء بقيمة accuracy 68٪ ، precision 68٪ ، recall 67.9٪ و f-measure 67.91. وذلك لأن النظام الخامس يقوم باستخراج الميزات ثلاث مرات بنواة مختلفة ، مما يسمح بالحصول على المزيد من الميزات.