Penandaan Otomatis untuk Produk E-Commerce Menggunakan Convolutional Neural Network

Purnomo, Dimas Pangestu Aji (2023) Penandaan Otomatis untuk Produk E-Commerce Menggunakan Convolutional Neural Network. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06111840000017-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (4MB) | Request a copy

Abstract

E-commerce merupakan model bisnis dimana individu dan perusahaan memungkinkan dapat melakukan transaksi secara digital dengan memanfaatkan teknologi informasi. Platform e-commerce sering menggunakan fitur yang disebut sebagai tag yang memiliki fungsi untuk medeskripsikan produk dan memudahkan pengguna untuk mencarinya. Namun, seiring perkembangannya penjualan produk yang signifikan secara online, masalah yang muncul pada penggunaan fitur tersebut adalah penjual memungkinkan untuk memanfaatkan tag populer yang tidak relevan terhadap produk yang dijual agar mendapatkan keuntungan yang lebih sehingga mengakitbatkan efektifatas pengembalian informasi menurun dan target pelanggan yang potensial susah didapatkan. Oleh karena itu, diperlukan proses penandaan otomatis untuk mengatasi masalah tersebut agar tag dapat dipasang tanpa bantuan tangan manusia. Solusi untuk menyelesaikan masalah tersebut menggunakan Convolutional Neural Network untuk melakukan penandaan tag otomatis terhadap produk e-comemrce dengan memanfaatkan input gambar produk e-commerce karena metode tersebut dapat mempelajari fitur-fitur tinggi yang merespon objek visual tertentu dengan lokal, translasi, dan distorsi invarian. Hasil dari penelitian ini diperoleh model Convolutional Neural Network dianggap memiliki outstanding discrimination berdasarkan skor AUC yang diperoleh. Model yang sudah dilatih dapat meprediksi tag yang sesuai untuk masukan gambar produk e-commerce. Namun, model yang sudah dilatih juga memungkinkan untuk memprediksi tag yang salah pada threshold tertentu sehingga diperlukan untuk mengatur nilai threshold-nya terlebih dahulu. Model yang sudah dilatih juga memiliki kelemahan untuk memprediksi tag terhadap gambar yang memiliki kemiripan bentuk serta memungkinkan memunculkan tag “Noise”. Selain itu, model yang sudah dilatih juga dapat memprediksi tag yang sesuai untuk kemunculan satu objek lebih pada gambar.
===============================================================================================================================
E-commerce is a business model in which individuals and companies can make transactions digitally by utilizing information technology. E-commerce platforms often use
a feature known as a tag which has a function to describe products and make it easier for users to find them. However, along with the development of significant product sales online, the problem that arises in using this feature is that sellers make it possible for sellers to take advantage of popular tags that are irrelevant to the products being sold in order to get more profit, resulting in the effectiveness of returning information decreasing and targeting potential customers difficult to find. Therefore, an automatic tagging process is needed to overcome this problem so that tags can be installed without the help of human hands. The solution to solving this problem is using a Convolutional Neural Network to perform automatic tagging of e-commerce products by utilizing e-commerce product image input because this method can learn tall features that respond to certain visual objects with local, translation, and invariant distortions. The results of this study show that the Convolutional Neural Network model is considered to have outstanding discrimination based on the AUC score obtained. The trained model can predict the appropriate tags for e-commerce product image input. However, the trained model also makes it possible to predict the wrong tag at a certain threshold, so it is necessary to set the threshold value first. The model that has been trained also has the weakness of predicting tags for images that have similar shapes and allows the "Noise" tag to appear. In addition, the trained model can also predict the appropriate tag for the appearance of one or more objects in the image.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Automatic Tagging, E-Commerce Product, Convolutional Neural Network, Penandaan Otomatis, Produk E-Commerce, Convolutional Neural Network
Subjects:	Q Science > Q Science (General) > Q325.5 Machine learning. Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User:	Dimas Pangestu Aji Purnomo
Date Deposited:	05 Aug 2023 14:40
Last Modified:	05 Aug 2023 14:40
URI:	http://repository.its.ac.id/id/eprint/101912

Actions (login required)

View Item