IMPLEMENTASI ALGORITMA YOLO DAN K-MEANS PADA SISTEM REKOMENDASI PAKAIAN

Pemilihan pakaian yang sesuai dengan karakteristik individu, seperti bentuktubuh, warna kulit, jenis kelamin, dan occasion, masih menjadi kendala bagisebagian masyarakat karena membutuhkan pemahaman mengenai keserasianmodel dan warna pakaian. Penelitian ini bertujuan untuk mengimplementasikanalgoritma YOLO dan K-Means pada sistem rekomendasi pakaian berbasis citradigital sehingga dapat memberikan rekomendasi outfit yang sesuai dengankarakteristik pengguna. Penelitian diawali dengan pengumpulan dataset yang terdiri atas dataset wajah, gender, skin tone, body shape pria dan wanita, sertadataset pakaian. Dataset kemudian melalui tahap preprocessing yang meliputivalidasi label, konversi anotasi, augmentasi data, dan ekstraksi warna dominan pakaian menggunakan algoritma K-Means. Selanjutnya, model YOLO dilatihuntuk melakukan deteksi wajah, klasifikasi gender, klasifikasi skin tone, serta deteksi body shape. Hasil identifikasi tersebut dipadukan dengan metode rulebased reasoning yang mempertimbangkan gender, skin tone, body shape, dan occasion untuk menghasilkan rekomendasi pakaian. Sistem kemudiandiimplementasikan dalam sistem berbasis Streamlit sehingga pengguna dapat memperoleh rekomendasi outfit secara otomatis melalui citra yang diunggah. Hasil penelitian menunjukkan bahwa model gender memperoleh akurasi sebesar 97,30%, model skin tone memperoleh akurasi sebesar 60,81%, sedangkan model body shape memperoleh akurasi sebesar 71,43% pada pengguna perempuan dan 78,12% pada pengguna pria. Selain itu, pipeline sistem secara keseluruhan mencapai tingkatkeberhasilan sebesar 95%. Berdasarkan hasil tersebut, dapat disimpulkan bahwapenerapan algoritma YOLO, K-Means, dan metode rule-based reasoning mampumenghasilkan sistem rekomendasi pakaian yang dapat memberikan rekomendasi outfit sesuai dengan karakteristik pengguna.