Pemodelan dan Simulasi Convolutional Neural Network (CNN) untuk Klasifikasi Citra Pakaian

Abstrak

Penelitian ini bertujuan untuk merancang, mengimplementasikan, dan mengevaluasi model Convolutional Neural Network (CNN) dalam konteks klasifikasi citra pakaian, dengan penekanan utama pada prinsip-prinsip Pemodelan dan Simulasi sistem komputasi. Akurasi dalam klasifikasi citra pakaian menjadi kebutuhan esensial untuk mendukung otomasi dalam sektor e-commerce dan manajemen digital. Model diimplementasikan menggunakan arsitektur Transfer Learning MobileNetV2, yang disempurnakan dengan penambahan layer GlobalAveragePooling2D, Dense Layer, dan Dropout untuk optimalisasi fitur. Dataset yang digunakan mencakup total 2000 citra pakaian yang terdistribusi merata ke dalam 4 kelas kategori pakaian. Setelah prapemrosesan dan augmentasi data, model dilatih selama 250 epoch. Hasil dari proses simulasi menunjukkan kinerja model yang sangat baik, dibuktikan dengan nilai Training Accuracy sebesar 98.05% dan Validation Accuracy yang mencapai 91.75%. Akurasi tinggi ini memvalidasi efisiensi komputasi model yang dibangun dan menegaskan kapabilitas CNN melalui pendekatan Transfer Learning sebagai solusi yang layak untuk klasifikasi visual kompleks.