KLASIFIKASI CITRA JENIS HIJAB MENGGUNAKAN DENSENET-121
DOI:
https://doi.org/10.23960/jitet.v13i1.5698Abstract Views: 316 File Views: 342
Abstract
Di Indonesia, hijab tidak hanya merupakan simbol identitas religius, tetapi juga telah berkembang menjadi bagian penting dalam dunia fashion. Seiring dengan pesatnya perkembangan industri ini, muncul tantangan dalam mengklasifikasikan berbagai jenis hijab berdasarkan bentuk dan cara pemakaiannya. Penelitian ini bertujuan untuk mengklasifikasikan tiga jenis hijab yaitu pashmina, segi empat, dan hijab instan menggunakan model DenseNet-121. Dataset yang digunakan terdiri dari 210 gambar hijab yang telah diproses menggunakan teknik resize dan augmentasi untuk meningkatkan variasi visual. Hasil penelitian menunjukkan bahwa model CNN ini berhasil mencapai accuracy sebesar 0.89, precision sebesar 0.89, recall sebesar 0.89, dan F1-score sebesar 0.87 dalam mengklasifikasikan hijab. Temuan ini diharapkan dapat memberikan kontribusi bagi industri fashion dan e-commerce dalam meningkatkan efisiensi klasifikasi hijab secara otomatis, serta mendukung pengembangan teknologi pengolahan citra dan jaringan saraf tiruan.TRANSLATE with x EnglishArabicHebrewPolishBulgarianHindiPortugueseCatalanHmong DawRomanianChinese SimplifiedHungarianRussianChinese TraditionalIndonesianSlovakCzechItalianSlovenianDanishJapaneseSpanishDutchKlingonSwedishEnglishKoreanThaiEstonianLatvianTurkishFinnishLithuanianUkrainianFrenchMalayUrduGermanMalteseVietnameseGreekNorwegianWelshHaitian CreolePersian TRANSLATE with COPY THE URL BELOW Back EMBED THE SNIPPET BELOW IN YOUR SITE Enable collaborative features and customize widget: Bing Webmaster PortalBackDownloads
References
DAFTAR PUSTAKA
Ratuannisa, T. (2024). The
Generalization of Muslim Wear to
Modest Wear in 2010s Indonesia’s
Fashion Trend: - . Practice of Fashion
and Textile Education Journal, 4(2), 1–
Guntara, R. G. (2023). Pemanfaatan
Computer Vision pada E-commerce:
Studi tentang Pengenalan Citra Produk,
Deteksi Objek, dan Klasifikasi Citra
Produk. Madani: Jurnal Ilmiah
Multidisiplin, 1(3).
Cahyati, I. D., Devella, S., & Yohannes,
Y. (2024). Pengenalan Motif Songket
Palembang Menggunakan Convolutional
Neural Network dengan Arsitektur
ResNet-50. Jurnal Algoritme, 5(1), 78-
Dabbo, P., & Bisilisin, F. Y. (2024).
Klasifikasi Motif Kain Tenun Sabu
Raijua Menggunakan Convolutional
Neural Network (CNN) Berbasis
Citra. KETIK: Jurnal Informatika, 1(06),
-18.
Hutagalung, E. F. S., & Sitompul, P.
(2023). Implementasi Deep Learning
Menggunakan Metode Cnn Untuk
Klasifikasi Jenis Ulos Batak
Toba. Student Scientific Creativity
Journal, 1(4), 01-19.
Munawaroh, S., Safitri, S., & Sumiati,
W. (2024). Perubahan Hijab: Refleksi
Identitas Wanita Dari Zaman Orde Baru
Hingga Era Reformasi. Jurnal Studi
Gender dan Anak, 11(01), 69-83.
Efrian, M. R., & Latifa, U. (2022). Image
recognition berbasis convolutional neural
network (CNN) untuk mendeteksi
penyakit kulit pada manusia. Power
Elektronik: Jurnal Orang Elektro, 11(2),
-282.
Paliwang, A. A. A., Septian, M. R. D.,
Cahyanti, M., & Swedia, E. R. (2020).
Klasifikasi Penyakit Tanaman Apel Dari
Citra Daun Dengan Convolutional
Neural Network. Sebatik, 24(2), 207-
Gede, I.G., Permana, T., Bagus, I.G.,
Dwidasmara, G., Raharja, M.A., &
Santiyasa, W. (2024). Ekstraksi Fitur
Dengan Convolutional Neural Network
Dan Rekomendasi Fashion
Menggunakan Algoritma K-Nearest
Neighbours. JELIKU (Jurnal Elektronik
Ilmu Komputer Udayana).
Setiawan, W. (2021). Deep learning
menggunakan convolutional neural
network: Teori dan aplikasi. MNC
Publishing.
Shopee. (n.d.). Hijab pashmina. Shopee.
Retrieved November 28, 2024, from
https://shopee.co.id/search?keyword=hij
ab%20pashmina
Shopee. (n.d.). Hijab segiempat. Shopee.
Retrieved November 28, 2024, from
https://shopee.co.id/search?keyword=hij
ab%20segiempat
Shopee. (n.d.). Hijab instant. Shopee.
Retrieved November 28, 2024, from
https://shopee.co.id/search?keyword=hij
ab%20instan
Saputra, T., & Al-Rivan, M. E. (2023).
Analisis Performa ResNet-152 dan AlexNet dalam Klasifikasi Jenis Kanker
Kulit. STRING (Satuan Tulisan Riset dan
Inovasi Teknologi), 8(1), 75-84.
Budi, E. S., Chan, A. N., Alda, P. P., &
Idris, M. A. F. (2024). Optimasi Model
Machine Learning untuk Klasifikasi dan
Prediksi Citra Menggunakan Algoritma
Convolutional Neural
Network. Resolusi: Rekayasa Teknik
Informatika dan Informasi, 4(5), 502-
Khairunisa, N., & Jamaludin, A. (2024).
ANALISIS PERBANDINGAN
ALGORITMA CNN DAN YOLO
DALAM MENGIDENTIFIKASI
KERUSAKAN JALAN. Jurnal
Informatika dan Teknik Elektro
Terapan, 12(3).
AGUSTINA, A. (2024). KLASIFIKASI
PENYAKIT TANAMAN PADI
MENGGUNAKAN METODE CNN
ARSITEKTUR DENSENET121 DAN
AUGMENTASI DATA. KLASIFIKASI
PENYAKIT TANAMAN PADI
MENGGUNAKAN METODE CNN
ARSITEKTUR DENSENET121 DAN
AUGMENTASI DATA, 8(1).
Huang, G., Liu, Z., Van der Maaten, L.,
& Weinberger, K. Q. (2018). Densely
connected convolutional networks. arXiv
preprint arXiv:1608.06993.
https://doi.org/10.48550/arXiv.1608.069
Tharwat, A. (2018). Classification
assessment methods. Applied computing
and informatics, 17(1), 168-192.
Ripa'i, A., Santoso, F., & Lazim, F.
(2024). Deteksi Berita Hoax dengan
Perbandingan Website Menggunakan
Pendekatan Deep Learning Algoritma
BERT. G-Tech: Jurnal Teknologi
Terapan, 8(3), 1749-1758.