Implementasi Multi-Branch Neural Network untuk Klasifikasi Multi-Label pada Pembuatan Hashtag Gambar Produk Fashion

Dewi, Berliana Fitria (2023) Implementasi Multi-Branch Neural Network untuk Klasifikasi Multi-Label pada Pembuatan Hashtag Gambar Produk Fashion. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06111940000077-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 September 2025. Download (6MB) | Request a copy

Abstract

Pertumbuhan bisnis online retail fashion yang terus meningkat mendorong para pelaku bisnis fashion untuk memanfaatkan pemasaran digital. Hal ini diperlukan agar bisnis dapat bertahan di tengah persaingan pasar yang semakin ketat. Salah satu pemasaran digital yang dapat dilakukan yaitu dengan menggunakan hashtag (tagar) pada postingan produk yang diunggah. Namun dalam pelaksanaannya, para pelaku bisnis mengalami kendala dalam menentukan hashtag yang relevan dan efektif, terutama bagi pelaku bisnis yang memiliki banyak produk. Berkaitan dengan permasalahan tersebut, maka tugas akhir ini bertujuan untuk merancang suatu program pembuatan hashtag otomatis pada gambar produk fashion menggunakan model Multi-Branch Neural Network (MBNN). Uji coba dilakukan menggunakan dua skenario pelatihan dan tiga arsitektur CNN yang berbeda yaitu ResNet50, EfficientNetB2, dan DenseNet121. Data yang digunakan untuk uji coba terdiri dari 11.172 gambar yang mencakup 100 kelas label. Hasil uji coba menunjukkan bahwa model MBNN dapat diimplementasikan untuk pembuatan hashtag produk fashion serta memiliki performa yang lebih baik daripada model klasifikasi multi-label biasa dalam hal waktu pelatihan maupun f1score yang diperoleh. Percobaan model MBNN menggunakan arsitektur EfficientNetB2 mencapai f1score tertinggi sebesar 0.81.
==================================================================================================================================
The growing online retail fashion business has driven fashion industry players to leverage digital marketing. This is essential to stay competitive in an increasingly tight market. One of the digital marketing strategies is to use hashtags in product posts. However, businesses, especially those with a vast range of products, face challenges in determining relevant and effective hashtags. To address this issue, this final project aims to design an automatic hashtag generation program for fashion product images using the Multi-Branch Neural Network (MBNN) model. The experimentation is conducted with two training scenarios and three different CNN architectures: ResNet50, EfficientNetB2, and DenseNet121. The dataset used for testing consists of 11,172 images spanning 100 label classes. The results indicate that the MBNN model can be implemented for generating fashion product hashtags and outperforms regular multi-label classification models in terms of training time and achieved F1-score. The MBNN model’s experiment using the EfficientNetB2 architecture achieved the highest F1-score of 0.81.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Klasifikasi, Multi-Label, Hashtag, Multi-Branch, Fashion; Classification, Multi-Label, Hashtag, Multi-Branch, Fashion
Subjects:	Q Science > QA Mathematics > QA336 Artificial Intelligence 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:	Berliana Fitria Dewi
Date Deposited:	25 Sep 2023 01:23
Last Modified:	25 Sep 2023 01:23
URI:	http://repository.its.ac.id/id/eprint/103761

Actions (login required)

View Item