Sistem Rekomendasi Topi Berbasis Website Menggunakan Transfer Learning Pre-trained Model Residual Network
Main Article Content
Abstract
Topi merupakan aksesoris penting di negara tropis karena topi berfungsi sebagai pelindung kepala baik dikala panas ataupun hujan. Sehingga, keberadaan sistem rekomendasi topi sangat diperlukan. Namun, penelitian tentang system rekomendasi topi masih sedikit dilakukan. Oleh karena itu, Penelitian ini dilakukan untuk membantu pengguna dalam menentukan topi yang sesuai dengan jenis wajahnya.
Hasil pengujian dari sistem rekomendasi topi menunjukkan bahwa sistem rekomendasi topi berbasis website menggunakan metode transfer learning pretrained model residual network memberikan hasil yang baik dengan rata-rata 0,826 pada pengujian pertama dan rata-rata 0,924 pada pengujian kedua, sehingga sistem rekomendasi topi ini diharapkan dapat membantu pengguna dalam memilih jenis topi yang disesuaikan dengan jenis wajah pengguna.
Kata Kunci— Sistem, Rekomendasi, Topi, Website, Transfer Learning.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Submission of an original manuscript to the journal will be taken to mean that it represents originality work not previously published. Please see JIEET (Journal of Information Engineering and Educational Technology) originality guidelines for details. Use this in conjunction with the points below about references, before submission i.e. always attribute clearly using either indented text or quote marks as well as making use of the preferred IEEE style of formatting. Authors submitting articles for publication warrant that the work is not an infringement of any existing copyright and will indemnify the publisher against any breach of such warranty. For ease of dissemination and to ensure proper policing of use, papers and contributions become the legal copyright of the publisher unless otherwise agreed.
The editor may make use of Thurnitin software for checking the originality of submissions received.