PENGEMBANGAN SISTEM KLASIFIKASI KATEGORI CITRA PRODUK FASHION SECARA OTOMATIS MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

Muhammad Husein Abdillah, 3011510055 (2020) PENGEMBANGAN SISTEM KLASIFIKASI KATEGORI CITRA PRODUK FASHION SECARA OTOMATIS MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN). Undergraduate thesis, Universitas Internasional Semen Indonesia.

	Text (COVER) 0. COVER.pdf Restricted to Repository staff only Download (369kB) | Request a copy
	Text (HALAMAN JUDUL) 1. HALAMAN JUDUL.pdf Restricted to Repository staff only Download (310kB) | Request a copy
	Text (HALAMAN PENGESAHAN) 2. HALAMAN PENGESAHAN.pdf Restricted to Registered users only Download (509kB) | Request a copy
	Text (HALAMAN PERSETUJUAN PUBLIKASI) 3. HALAMAN PERSETUJUAN PUBLIKASI.pdf Restricted to Repository staff only Download (172kB) | Request a copy
	Text (HALAMAN PERNYATAAN ORISINALITAS) 4. HALAMAN PERNYATAAN ORISINALITAS.pdf Restricted to Repository staff only Download (168kB) | Request a copy
	Text (ABSTRAK) 5. ABSTRAK.pdf Download (408kB)
	Text (KATA PENGANTAR) 6. KATA PENGANTAR.pdf Restricted to Repository staff only Download (314kB) | Request a copy
	Text (DAFTAR ISI) 7. DAFTAR ISI.pdf Download (403kB)
	Text (DAFTAR GAMBAR) 8. DAFTAR GAMBAR.pdf Restricted to Repository staff only Download (226kB) | Request a copy
	Text (DAFTAR TABEL) 9. DAFTAR TABEL.pdf Restricted to Repository staff only Download (198kB) | Request a copy
	Text (BAB I PENDAHULUAN) 10. BAB I PENDAHULUAN.pdf Download (385kB)
	Text (KAJIAN PUSTAKA) 11. BAB II KAJIAN PUSTAKA.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text (METODOLOGI PENELITIAN) 12. BAB III METODOLOGI PENELITIAN.pdf Restricted to Repository staff only Download (696kB) | Request a copy
	Text (HASIL DAN PEMBAHASAN) 13. BAB IV HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text (KESIMPULAN DAN SARAN) 14. BAB V KESIMPULAN DAN SARAN.pdf Restricted to Repository staff only Download (198kB) | Request a copy
	Text (DAFTAR PUSTAKA) 15. DAFTAR PUSTAKA.pdf Download (331kB)
	Text (LAMPIRAN) 16. LAMPIRAN.pdf Restricted to Repository staff only Download (533kB) | Request a copy
	Text (FULL TEXT) SKRIPSI - MUHAMMAD HUSEIN ABDILLAH (3011510055).pdf Restricted to Repository staff only Download (3MB) | Request a copy
	Text (FULL TEXT DOC) SKRIPSI - MUHAMMAD HUSEIN ABDILLAH (3011510055).docx Restricted to Repository staff only Download (5MB) | Request a copy
	Text (JURNAL) JURNAL - MUHAMMAD HUSEIN ABDILLAH (3011510055).docx Restricted to Repository staff only Download (629kB) | Request a copy

Abstract

Dalam industri fashion, memperoleh analisis visual dari keseluruhan produksi adalah aspek kunci, baik dalam mengembangkan strategi pemasaran maupun untuk membantu perancangan dalam aliran kerja kreatif produk-produk baru. Kategorisasi produk fashion, sampai sekarang, dilakukan secara manual. Klasifikasi manual merupakan tugas yang rawan kesalahan yang dapat menyebabkan hasil yang salah. Pada era digitral, perkembangan pembelajaran mesin atau machine learning dan metodologi pembelajaran mendalam atau deep learning menjadikan sebagian besar data citra dapat di proses dan dianalisis untuk melakukan berbagai prediksi dan klasifikasi. Deep learning dapat diterapkan di berbagai bidang bisnis untuk meningkatkan kinerja yang lebih baik. Salah satunya bisnis yang berhubungan dengan fashion yang sudah mulai menerapkan teknik deep learning pada e-commerce seperti pengenalan citra produk, mesin pencarian produk, dan rekomendasi produk untuk customer. Pada penelitian ini, kami mengangkat metode convolutional neural network (CNN) untuk mengklasifikasikan kategori citra produk fashion. Penerapan metode CNN membantu untuk mengenali sebuah objek pada citra dengan memberikan algoritma pembelajaran dengan banyak contoh ruang kelas dan membedakan masing – masing kelas

Item Type:	Thesis (Undergraduate)
Additional Information:	036/KK.20/UISI-01/IF
Uncontrolled Keywords:	Fashion, Convolutional Neural Network, Deep Learning, Image Classification
Contributors:	Contribution Name Email Thesis advisor Mohammad Arif Rasyidi, S.Kom., M.Sc. mohammad.rasyidi@uisi.ac.id Thesis advisor Ruktin Handayani, S.Kom., M.Kom. ruktin.handayani@uisi.ac.id
Subjects:	T Technology > T Technology (General)
Divisions:	Department of Informatics
Depositing User:	Muhammad Husein Abdillah
Date Deposited:	03 Sep 2020 21:38
Last Modified:	18 Nov 2020 14:16
URI:	https://repository.uisi.ac.id/id/eprint/816

Actions (login required)

View Item