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 (GPT2)
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 dari citra produk fesyen.
Model dibangun menggunakan arsitektur VisionEncoderDecoderModel, di mana ViT
berperan dalam mengekstraksi fitur visual global dari gambar produk, sementara GPT2
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:	14 Jul 2026 04:43
URI:	https://repository.unas.ac.id/id/eprint/17043

Actions (login required)

View Item