OPTIMASI DESKRIPSI GAMBAR BERBASIS VISION TRANSFORMER DAN GENERATIVE PRETRAINED TRANSFORMER-2 UNTUK PRODUK PAKAIAN

Rahman, Yogie Fadila (2026) OPTIMASI DESKRIPSI GAMBAR BERBASIS VISION TRANSFORMER DAN GENERATIVE PRETRAINED TRANSFORMER-2 UNTUK PRODUK PAKAIAN. Diploma thesis, UNIVERSITAS NASIONAL.

	Text COVER.pdf Download (1MB)
	Text BAB I.pdf Download (468kB)
	Text BAB II.pdf Download (819kB)
	Text BAB III.pdf Download (863kB)
	Text BAB IV.pdf Download (1MB)
	Text BAB V.pdf Download (430kB)
	Text LAMPIRAN.pdf Download (827kB)

Abstract

Perkembangan pesat industri e-commerce menuntut ketersediaan deskripsi produk yang akurat, konsisten, dan informatif guna membantu konsumen dalam memahami serta membandingkan produk. Namun, penyusunan deskripsi produk secara manual memerlukan waktu dan biaya yang besar serta berpotensi menimbulkan ketidakkonsistenan gaya penulisan. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan dan mengoptimalkan sistem image captioning berbasis Vision Transformer (ViT) sebagai encoder dan Generative Pre-trained Transformer-2 (GPT-2) sebagai decoder untuk menghasilkan deskripsi produk fesyen secara otomatis dalam Bahasa Indonesia.

Penelitian ini menggunakan pendekatan eksperimen dengan memanfaatkan dataset H&M Fashion Caption yang terdiri atas citra produk fesyen. Model dibangun menggunakan arsitektur VisionEncoderDecoderModel, di mana ViT berperan dalam mengekstraksi fitur visual global dari gambar produk, sementara GPT-2 menghasilkan teks deskripsi secara autoregresif. Untuk meningkatkan relevansi dan kesesuaian deskripsi terhadap gambar, diterapkan proses reranking berbasis CLIP serta translasi otomatis dari Bahasa Inggris ke Bahasa Indonesia menggunakan MarianMT.

Evaluasi dilakukan dengan beberapa skema pembagian data, yaitu 80:10:10, 70:15:15, dan 80:20, untuk mengamati pengaruh proporsi data terhadap performa model. Kinerja model dievaluasi menggunakan metrik ROUGE-L untuk mengukur kesesuaian struktur dan urutan kata antara caption prediksi dan caption referensi.

Hasil penelitian menunjukkan bahwa konfigurasi pembagian data 70% data pelatihan, 15% data validasi, dan 15% data pengujian menghasilkan performa terbaik dengan nilai ROUGE-L sebesar 0,3460. Hasil ini menunjukkan bahwa integrasi ViT dan GPT-2 mampu menghasilkan deskripsi produk yang relevan, informatif, dan cukup natural dalam Bahasa Indonesia sehingga berpotensi diterapkan sebagai solusi otomatisasi pembuatan deskripsi produk pada platform e-commerce.

Item Type:	Thesis (Diploma)
Subjects:	H Social Sciences > H Social Sciences (General) T Technology > T Technology (General)
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika
Depositing User:	Delvy Aplirizani -
Date Deposited:	14 Jul 2026 04:43
Last Modified:	21 Jul 2026 02:53
URI:	https://repository.unas.ac.id/id/eprint/17043

Actions (login required)

View Item