Identifikasi Tren Pakaian Berdasarkan Warna Menggunakan Algoritma Clustering

Widagdo, Ihsan (2025) Identifikasi Tren Pakaian Berdasarkan Warna Menggunakan Algoritma Clustering. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5025211231-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (5MB)

Abstract

Analisis tren pakaian secara tradisional rentan terhadap bias dan subjektivitas. Tugas Akhir ini bertujuan membangun model kecerdasan artifisial untuk mengidentifikasi tren warna pakaian secara objektif berdasarkan data historis dari acara fashion Vogue Runway. Metodologi yang diterapkan terdiri dari empat tahapan utama, yaitu yang pertama adalah praproses dataset untuk mengekstrak informasi tahun dan musim. Kedua, segmentasi objek pakaian menggunakan Self-Correction for Human Parsing (SCHP) untuk mendapatkan area pakaian dari gambar. Lalu ekstraksi fitur warna dominan dengan ruang warna CIELAB dari hasil segmentasi menggunakan algoritma K-Means. Tahap selanjutnya adalah pengelompokan (clustering) warna-warna dominan menggunakan algoritma Meanshift untuk menemukan kelompok palet warna yang menjadi tren pada setiap musim dan tahun. Ketiga dilakukan penyeimbangan data menggunakan metode SMOTE terhadap data latih yang dihasilkan dari algoritma meanshift. Tahapan terakhir adalah melakukan pelatihan pada model machine learning Support Vector Machine (SVM) menggunakan data latih yang telah seimbang untuk melakukan prediksi label multiclass pada inputan nilai warna. Evaluasi model pengelompokan dilakukan dengan membandingkan tiga algoritma clustering, yaitu K-Means, Affinity Propagation, dan Meanshift, menggunakan metrik Skor Silhouette (Silhouette Score). Hasil perbandingan menunjukkan bahwa algoritma Meanshift memberikan performa pengelompokan terbaik dengan nilai Silhouette tertinggi dengan nilai 0,57795 pada ruang warna CIELAB. Evaluasi terhadap model SVM juga dilakukan dan mendapatkan nilai accuracy yang stabil di sekitar 0,90 pada setiap tahun dan musimnya. Diharapkan Tugas Akhir ini dapat mengatasi kebiasan dalam melakukan identifikasi tren pakaian berdasarkan warna.
=====================================================================================================================================
Traditional fashion trend analysis is often prone to bias and subjectivity. This study aims to develop an artificial intelligence model to objectively identify apparel color trends based on historical data from Vogue Runway fashion show. The methodology consists of four main stages. First, the dataset is preprocessed to extract year and season information. Second, apparel object segmentation is performed using Self-Correction for Human Parsing (SCHP) to isolate clothing regions from the images, followed by dominant color feature extraction from the segmented results in the CIELAB color space using the K-Means algorithm. The next stage involves clustering these dominant colors with the Meanshift algorithm to discover trending color palette groups for each season and year. Third, the training data generated by the Meanshift algorithm is balanced using the SMOTE method. The final stage is training a Support Vector Machine (SVM) model on the balanced training data to perform multi-class label prediction on color value inputs. The clustering model evaluation was conducted by comparing three algorithms, those are K-Means, Affinity Propagation, and Meanshift using the Silhouette Score metric. The comparison results indicate that the Meanshift algorithm delivered the best clustering performance, achieving the highest Silhouette Score of 0.57795 in the CIELAB color space. The SVM model was also evaluated, achieving consistent accuracy scores around 0.90 for every year and season. This research is expected to overcome biases in identifying fashion trends based on color.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Analisis Tren Warna, Ekstraksi Warna Dominan, Kecerdasan Artifisial, Meanshift, Pengelompokan, SCHP, Segmentasi Gambar, SMOTE, SVM, Tren Pakaian.
Subjects:	T Technology > T Technology (General) T Technology > T Technology (General) > T57.5 Data Processing T Technology > T Technology (General) > T58.64 Information resources management
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Ihsan WIdagdo
Date Deposited:	11 Aug 2025 07:06
Last Modified:	11 Aug 2025 07:06
URI:	http://repository.its.ac.id/id/eprint/123670

Available Versions of this Item

• Identifikasi Tren Pakaian Berdasarkan Warna Menggunakan Algoritma Clustering. (deposited 30 Jul 2025 06:58)
  • Identifikasi Tren Pakaian Berdasarkan Warna Menggunakan Algoritma Clustering. (deposited 11 Aug 2025 07:06) [Currently Displayed]

Actions (login required)

View Item