PENINGKATAN TEMU KEMBALI CITRA PAKAIAN BERBASIS SKETSA MENGGUNAKAN FITUR DISCRETE WAVELET TRANSFORM (DWT) PADA DEEP LEARNING CNN

PENINGKATAN TEMU KEMBALI CITRA PAKAIAN BERBASIS SKETSA MENGGUNAKAN FITUR DISCRETE WAVELET TRANSFORM (DWT) PADA DEEP LEARNING CNN Cut Dirayati Safira Primary Author mixed material bibliography Banda Aceh Fakultas Teknik 2024 Penelitian ini bertujuan untuk merancang arsitektur deep learning dengan komputasi rendah yang mampu melakukan pencarian pakaian menggunakan citra sketsa, serta menguji dan membandingkan kemampuan model-model deep learning seperti ShuffleNet v2, MobileNet v2, dan EfficientNet-B1 dalam temu kembali citra pakaian berbasis sketsa. Metode yang diimplementasikan menggabungkan ekstraksi fitur menggunakan Discrete Wavelet Transform (DWT) dengan model-model deep learning tersebut. Pengujian dilakukan dengan pencarian terhadap dataset foto pakaian menggunakan citra sketsa pakaian sebagai masukan terhadap 17 kategori pakaian yaitu bermuda, blouse, cardigan, circle, dress, hoodie, jacket, jumpsuit, mini, pencil, shirt, skinny, straight, suit, t-shirt, wideleg, dan tunic. Hasil penelitian menunjukkan bahwa penggunaan DWT meningkatkan kinerja model dibandingkan dengan model tanpa DWT. Model EfficientNet-B1 yang menggunakan DWT mengungguli MobileNet v2 dan ShuffleNet v2 yang juga menggunakan DWT. Peningkatan kinerja diukur berdasarkan nilai Precision@5, Recall@5, dan mean Average Precision (mAP). Untuk ShuffleNet v2, penggunaan DWT meningkatkan nilai Precision@5, Recall@5, dan mAP masing-masing sebesar 5.71%, 10.77%, dan 7.35%. Untuk MobileNet v2, peningkatan masing-masing sebesar 4.21%, 4.29%, dan 4.23%. EfficientNet-B1 menunjukkan peningkatan masing-masing sebesar 6.85%, 7.04%, dan 6.94% 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 129286 2024-08-30 17:27:12 2024-08-30 18:24:44 machine generated