Implementasi Convolutional Neural Network (CNN) Pada Prediksi Ukuran Tubuh
DOI:
https://doi.org/10.29407/tn541a51Abstract
Penentuan ukuran pakaian yang tepat dalam pembelian online menjadi tantangan utama bagi konsumen. Penelitian ini mengembangkan sistem prediksi ukuran tubuh manusia menggunakan Convolutional Neural Network (CNN) untuk memprediksi tiga parameter tubuh yaitu lingkar badan, panjang bahu, dan panjang badan melalui analisis citra digital. Sistem memanfaatkan deteksi keypoint tubuh manusia untuk menentukan tiga parameter tersebut. Pengujian menggunakan dataset LSP menunjukkan variabilitas performa yang signifikan dengan rentang error dari 1.20% hingga 3,403.99%. Model menunjukkan performa optimal pada gambar dengan pose standar, namun mengalami tantangan pada parameter panjang bahu yang menunjukkan sensitivitas tinggi terhadap kualitas keypoint detection. Hasil penelitian ini penting sebagai dasar pengembangan teknologi computer vision untuk prediksi dimensi tubuh yang dapat diaplikasikan dalam industri fashion dan bidang lainnya.
Keywords:
Computer Vision, Convolutional Neural Network, Ukuran Tubuh##plugins.themes.default.displayStats.downloads##
References
[1] C. Pratiwi, E. Tarigan, N. Rivany, and S. Retno Andani, “Penentuan Standar Ukuran Pakaian Wanita DewasaMenggunakan Metode Fuzzy Mamdani,” J. JPILKOM, vol. 2, no. 2, pp. 3025–6887, 2024.
[2] Rizwan Martiadi, Riyanti Agustini, Tatang Muh Nasir, Mohamad Yudiyanto, and Deni Tata Kusuma, “INTEGRASI DEEP LEARNING DALAM PENDIDIKAN ISLAM ADAPTIF: SEBUAH STUDI LITERATUR SISTEMATIS,” An-Nahdlah J. Pendidik. Islam, vol. 4, no. 3, pp. 817–826, Apr. 2025, doi: 10.51806/an-nahdlah.v4i3.674.
[3] M. Misbahul Munir, P. Kasih, and A. Sanjaya, “Penerapan Arsitektur Mobilenet Dalam Cnn Pada Klasifikasi Penyakit Daun Cabai,” Agustus, vol. 8, pp. 2549–7952, 2024, doi: https://doi.org/10.29407/5m496763.
[4] N. P. Arsyad, R. Wulanningrum, and ..., “Implementasi Convolutional Neural Network Pada Deteksi Tumor Otak,” Pros. SEMNAS …, vol. 8, pp. 1316–1323, 2024, doi: https://doi.org/10.29407/ejxhtg06.
[5] S. Budaya, “Klasifikasi Gambar : Membedakan Lukisan Buatan Manusia dan AI dengan CNN,” vol. 29, pp. 149–155, 2023, doi: https://doi.org/10.33503/paradigma.v30i4.1284.
[6] Y. B. E. Purba, N. F. Saragih, A. P. Silalahi, and ..., “Perancangan Alat Pendeteksi Kematangan Buah Nanas Dengan Menggunakan Mikrokontroler Dengan Metode Convolutional Neural Network (CNN),” J. Ilm. Tek. …, vol. 2, no. 1, pp. 13–21, 2022, [Online]. Available: https://ojs.fikom-methodist.net/index.php/methotika/article/view/43%0Ahttps://ojs.fikom-methodist.net/index.php/methotika/article/download/43/39
[7] R. Fachmi, A. Hidayatno, D. Yosua, and A. A. Sutrisno, “SISTEM IDENTIFIKASI UKURAN TUBUH MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) | Fachmi | Transient: Jurnal Ilmiah Teknik Elektro,” Transient, vol. 9, no. 1, pp. 2685–0206, 2020, [Online]. Available: https://ejournal3.undip.ac.id/index.php/transient/article/view/25299
[8] S. Prasetyo and T. Dewayanto, “Penerapan Machine Learning, Deep Learning, Dan Data Mining Dalam Deteksi Kecurangan Laporan Keuangan-a Systematic Literature Review,” Diponegoro J. Account., vol. 13, no. 3, pp. 1–12, 2024, [Online]. Available: http://ejournal-s1.undip.ac.id/index.php/accounting
[9] S. Suhendar, A. Purnama, and E. Fauzi, “Deteksi Penyakit Pada Daun Tanaman Ubi Jalar Menggunakan Metode Convolutional Neural Network,” J. Ilm. Inform. Glob., vol. 14, no. 3, pp. 62–67, 2023, doi: 10.36982/jiig.v14i3.3478.
[10] Y. A. Suwitono and F. J. Kaunang, “Implementasi Algoritma Convolutional Neural Network (CNN) Untuk Klasifikasi Daun Dengan Metode Data Mining SEMMA Menggunakan Keras,” J. Komtika (Komputasi dan Inform., vol. 6, no. 2, pp. 109–121, 2022, doi: 10.31603/komtika.v6i2.8054.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Adam Maulana Khabibillah Ashari Putra, Ahmad Bagus Setiawan, Patmi Kasih
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
