Aplikasi Rekomendasi Busana Wanita Berbasis CNN Dan Content-Based Image Retrieval

Abstract

Proses pemilihan desain busana secara manual pada layanan penjahitan kerap tidak efisien dan mengandung subjektivitas tinggi, sehingga pelanggan kesulitan mendapatkan rekomendasi yang sesuai dengan preferensi visual dan karakteristik tubuh mereka. Penelitian ini mengembangkan sebuah sistem rekomendasi busana wanita berbasis Android yang mengintegrasikan convolutional neural network (CNN) dan content‑based image retrieval (CBIR). Arsitektur ResNet50 digunakan untuk mengklasifikasi kategori pakaian (dress, atasan, bawahan) sekaligus mengekstraksi fitur visual menjadi vektor embedding 256 dimensi. Kemiripan antar citra dihitung dengan metode cosine similarity, kemudian hasil rekomendasi disaring berdasarkan kategori pakaian dan tipe tubuh pengguna (kurus, sedang, gemuk). Sistem dibangun dengan arsitektur client‑server: antarmuka Android berupa WebView dan server berbasis Flask. Hasil pengujian menunjukkan bahwa model CNN mencapai akurasi 98,44%, presisi 98,46%, recall 98,44%, dan F1‑score 98,45%. Sistem rekomendasi menghasilkan nilai kemiripan tertinggi 0,86, serta precision@5 = 0,87 dan recall@5 = 0,82. Berdasarkan evaluasi pakar terhadap kesesuaian bentuk tubuh dan estetika, sistem memperoleh rata‑rata skor di atas 4 dari skala 5. Dengan demikian, sistem ini terbukti mampu memberikan rekomendasi busana yang relevan, objektif, dan efisien untuk mendukung proses pemilihan pakaian pada usaha jahit lokal.   Kata kunci: CNN, CBIR, cosine similarity, rekomendasi busana, ResNet50.