Rekomendasi Outfit Dengan Deep Learning Berbasis Klasifikasi Jenis Tubuh Pengguna Pada Virtual try-On

Bayanaka, Ahmed Beryl (2025) Rekomendasi Outfit Dengan Deep Learning Berbasis Klasifikasi Jenis Tubuh Pengguna Pada Virtual try-On. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5024211054-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (14MB) | Request a copy

Abstract

Penelitian ini mengusulkan sistem rekomendasi pakaian yang mengintegrasikan klasifikasi tipe tubuh berbasis deep learning dengan teknologi virtual try-on. Sistem ini mengambil gambar secara real-time melalui kamera, memprosesnya menggunakan teknik visi komputer, dan mengekstraksi pengukuran tubuh utama termasuk tinggi badan, lingkar bahu, dan lingkar pinggang. Pengukuran ini digunakan untuk menghitung Rasio Waist-to-Shoulder (WSR) dan Rasio Waist-to-Height (WHtR), yang menjadi dasar untuk mengklasifikasikan tipe tubuh pengguna ke dalam tiga kategori: kurus, ideal, dan gemuk. Sistem ini menggunakan MediaPipe Pose untuk mendeteksi 33 titik landmark tubuh untuk pengukuran akurat, dengan proses kalibrasi yang memastikan konversi presisi dari piksel ke sentimeter. Komponen virtual try-on menggunakan transformasi perspektif untuk melapiskan gambar pakaian ke tubuh pengguna, menyesuaikan secara dinamis mengikuti gerakan. Berdasarkan hasil klasifikasi, sistem memberikan rekomendasi pakaian yang dipersonalisasi sesuai dengan tipe tubuh dan jenis kelamin pengguna, ditampilkan pula dengan ikon visual dengan keterangan deskriptif. Pengujian dengan 15 subjek menunjukkan akurasi pengukuran dengan Mean Absolute Error di bawah 5% dan visualisasi pakaian yang efektif yang beradaptasi dengan berbagai tipe tubuh. Integrasi klasifikasi tubuh dengan teknologi virtual try-on ini menciptakan pengalaman berbelanja yang dipersonalisasi yang berpotensi mengurangi tingkat pengembalian dalam e-commerce fashion sekaligus meningkatkan kepuasan pelanggan. Sistem ini mendemonstrasikan bagaimana inovasi teknologi dapat mengatasi tantangan kontemporer dalam industri fashion melalui pengalaman digital yang dipersonalisasi yang mengakomodasi karakteristik tubuh individu.
=====================================================================================================================================
This research proposes an outfit recommendation system integrating deep learning-based body type classification with virtual try-on technology. The system captures real-time images via camera, processes them using computer vision techniques, and extracts key body measurements including height, shoulder circumference, and waist circumference. These measurements are used to calculate Waist-to-Shoulder Ratio (WSR) and Waist-to-Height Ratio (WHtR), which serve as the foundation for classifying users’ body types into three categories: underweight, ideal, and overweight. The system employs MediaPipe Pose to detect 33 body landmarks for accurate measurement, with calibration processes ensuring precise conversion from pixels to centimeters. The virtual try-on component uses perspective transformation to overlay clothing images onto the user’s body, dynamically adjusting to follow movements. Based on classification results, the system provides personalized outfit recommendations tailored to the user’s body type and gender, displayed as visual icons with descriptive captions. Testing with 15 subjects demonstrated measurement accuracy with Mean Absolute Error under 5% and effective clothing visualization that adapts to different body types. This integration of body classification with virtual try-on technology creates a personalized shopping experience that can potentially reduce return rates in fashion e-commerce while enhancing customer satisfaction. The system demonstrates how technological innovation can address contemporary challenges in the fashion industry through personalized digital experiences that accommodate individual body characteristics.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Body Type Classification, Clothing Recommendations, Deep Learning, Fashion Technology, Image Processing, Virtual Try-On, Klasifikasi Jenis Tubuh, Rekomendasi Pakaian, Teknologi Fashion
Subjects:	T Technology > T Technology (General) T Technology > T Technology (General) > T57.62 Simulation T Technology > T Technology (General) > T58.62 Decision support systems
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Computer Engineering > 90243-(S1) Undergraduate Thesis
Depositing User:	Ahmed Beryl Bayanaka
Date Deposited:	18 Jun 2025 07:32
Last Modified:	18 Jun 2025 07:32
URI:	http://repository.its.ac.id/id/eprint/119169

Actions (login required)

View Item