Cut Nurhidayanti Primary Author mixed material bibliography Banda Aceh Fakultas MIPA (S1) 2024

Skripsi

Indonesia merupakan salah satu dari 10 negara dengan pertumbuhan e-commerce tertinggi di dunia menurut Kementerian Komunikasi dan Informatika pada tahun 2019. Hal ini dibuktikan dengan 85% transaksi e-commerce dilakukan oleh pengguna mulai dari rentang usia 18 hingga 35 tahun yang cenderung membeli produk pakaian dan kecantikan. Tantangan pun muncul ketika pengguna hendak membeli produk pakaian melalui platform e-commerce, konsumen tidak dapat mencoba produk secara langsung sebelum melakukan pembelian. Hal ini menciptakan masalah berupa ketidakpastian mengenai ukuran, potongan pakaian, dan kecocokan pakaian terhadap tubuh pengguna. Inilah yang menjadi salah satu pendorong munculnya teknologi virtual try-on. Virtual try-on akan memudahkan pengguna dalam mencoba produk pakaian secara tidak langsung di dunia e-commerce. Pembangunan model virtual try-on dilakukan dengan menggunakan metode deep learning khususnya Convolutional Neural Network, segmentasi, dan Generative Adversarial Network. Terdapat beberapa tahapan dalam pembangunan model virtual try-on yang dimulai dari melakukan body parsing, estimasi bentuk pakaian, penyesuaian bentuk pakaian terhadap geometri tubuh model, dan tahapan sintesis pakaian serta inpainting. Hasil dari pembangunan model virtual try-on dievaluasi dengan memperhatikan nilai akurasi yang didapatkan dan hasil visual yang ditampilkan. Akurasi dihitung dengan menggunakan Structural Similarity (SSIM) score dan Inception Score (IS) score. Model dengan akurasi terbaik dilatih dengan hyperparameter batch size 3, learning rate 0.0002, epoch 20 dengan 1000 jumlah data. Nilai SSIM yang didapatkan oleh model ini yaitu 0.7951 dan nilai IS score yang didapatkan yaitu 2.2008. Nilai all_loss_G dan all_loss_D yang diperoleh selama proses pelatihan adalah 31.2537 dan 2.0115. Hasil visualisasi yang didapatkan cukup baik dimana pakaian tujuan berhasil menutupi area tubuh model pada tahapan inferensi. Hasil inferensi virtual try-on kemudian diimplementasikan melalui web sederhana yang dibangun menggunakan Flask dengan model terbaik. Kata kunci : Virtual Try-On, Convolutional Neural Networks, Segmentasi, Generative Adversarial Network, SSIM Score, IS Score 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 128066 2024-08-16 11:48:32 2024-08-16 14:17:34 machine generated