Identifikasi Keserasian Warna Kulit dan Busana dengan Penggunaan Algoritma Ranking dan Filtering

Ardhana, Tio Dwi (2024) Identifikasi Keserasian Warna Kulit dan Busana dengan Penggunaan Algoritma Ranking dan Filtering. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5025201099_Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (4MB) | Request a copy

Abstract

Penampilan diri merupakan aspek penting dalam kehidupan sehari-hari yang dapat mencerminkan citra diri seseorang dan mempengaruhi persepsi sosial. Pemilihan warna pakaian sering kali menjadi elemen kunci dalam membentuk citra diri dan memberikan dampak visual yang signifikan. Penelitian ini bertujuan untuk mengembangkan sistem rekomendasi yang dapat mengidentifikasi keserasian warna kulit dan busana menggunakan algoritma pemeringkatan dan penyaringan. Alur kerja dimulai dengan mengumpulkan 3640 data gambar sesuai dengan kriteria penelitian yang berasal dari Guo, et al. (2019). Data ini kemudian diolah menggunakan model Self-correction Human Parsing untuk segmentasi bagian tubuh. Warna dominan dari wajah dan pakaian diekstraksi menggunakan metode K-means clustering. Proses clustering dilakukan secara terpisah untuk dataset wajah dan pakaian menggunakan metode elbow, silhouette score, dan gap analysis untuk menentukan jumlah cluster optimal. Faktorisasi matriks selanjutnya digunakan dengan metode Non-negative Matrix Factorization untuk memisahkan matriks co-occurrence menjadi matriks basis dan matriks koefisien. Faktorisasi matriks ini menghitung pasangan antar cluster dari data yang digunakan, dengan 16 cluster warna wajah dan 13 cluster warna pakaian, yang nantinya digunakan untuk pemeringkatan. Proses pemeringkatan dilakukan dengan dua metode, yaitu pairwise dan listwise, yang bertujuan untuk memberikan rekomendasi pasangan wajah dan pakaian berdasarkan nilai RGB. Evaluasi model dilakukan dengan membandingkan hasil rekomendasi sistem dengan penilaian ahli fashion menggunakan metrik Mean Average Precision (MAP). Hasil penelitian menunjukkan bahwa model yang dikembangkan mampu menghasilkan rekomendasi dengan tingkat kesesuaian yang tinggi. MAP@10 mencapai 0,756; MAP@5 sebesar 0,887; dan MAP@3 sebesar 0,979, menunjukkan kesesuaian yang baik antara rekomendasi sistem dan penilaian ahli, terutama pada peringkat 3 dan 5 teratas. Hasil ini menunjukkan bahwa sistem rekomendasi yang dikembangkan memiliki potensi besar untuk diterapkan dalam industri fashion, membantu individu dalam memilih pakaian yang sesuai dengan warna kulit. Evaluasi berdasarkan wawancara dengan fashion designer juga mengindikasikan bahwa rekomendasi yang dihasilkan oleh sistem ini dapat diandalkan dan relevan.
============================================================

Personal appearance is an important aspect of daily life that can reflect one's self-image and influence social perception. Clothing color selection is often a key element in shaping self-image and has a significant visual impact. This research aims to develop a recommendation system that can identify skin and clothing color compatibility using ranking and filtering algorithms. The workflow starts by collecting 3640 image data from Guo, et al. (2019), which fit the research criteria. This data, which has face and clothing parts, is then processed using the Self-correction Human Parsing model for body part segmentation. The dominant colors of the face and clothes are extracted using the K-means clustering method. The clustering process is performed separately for the face and clothing datasets using elbow, silhouette score, and gap analysis methods to determine the optimal number of clusters. Further matrix factorization is used using the Non-negative Matrix Factorization method to separate the co-occurrence matrix into a basis matrix and a coefficient matrix. This matrix factorization calculates pairs between clusters from the data used, with 16 face color clusters and 13 clothing color clusters, which are later used for ranking. The ranking process is carried out by two methods, namely pairwise and listwise, which aims to provide recommendations for face and clothing pairs based on RGB values. Model evaluation is done by comparing the results of system recommendations with fashion expert assessments using the Mean Average Precision (MAP) metric. The results showed that the developed model was able to produce recommendations with a high level of suitability. MAP@10 reached 0,756; MAP@5 amounted to 0,887; and MAP@3 amounted to 0,979, indicating a good match between system recommendations and expert judgment, especially in the top 3 and 5 ratings. These results indicate that the developed recommendation system has great potential to be applied in the fashion industry, assisting individuals in choosing clothes that match their skin color. Evaluation based on interviews with fashion designers also indicated that the recommendations generated by the system are reliable and relevant.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Clustering, Faktorisasi Matriks, Keserasian, Mean Average Precision (MAP), Rekomendasi Fashion, Compatibility
Subjects:	T Technology > T Technology (General) > T57.5 Data Processing
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Tio Dwi Ardhana
Date Deposited:	01 Aug 2024 06:29
Last Modified:	01 Aug 2024 06:29
URI:	http://repository.its.ac.id/id/eprint/111316

Actions (login required)

View Item