PENGENALAN ATRIBUT MANUSIA BESERTA WARNA SECARA REAL-TIME DENGAN PENDEKATAN MULTI-STAGE APPROACH MENGGUNAKAN ARSITEKTUR YOU ONLY LOOK ONCE DAN MULTILAYER PERCEPTRON

Dalam upaya memanfaatkan kemajuan computer vision dan deep learning untuk industri Fashion, penelitian ini berhasil mengembangkan sistem multi-tahap yang secara real-time mengidentifikasi atribut dan warna pakaian serta aksesori (headwear, eyewear, upperwear, bottomwear, footwear, dan bag). Sistem ini memadukan YOLOv8 untuk deteksi objek (mAP@0.5: 0.797, akurasi tinggi pada upperwear, bottomwear, dan eyewear), MobileNetV2 dalam CNN untuk klasifikasi sub-kategori atribut (akurasi rata-rata >91%), dan MLP untuk klasifikasi warna berbasis RGB (akurasi 87%, dengan beberapa tantangan pada warna ambigu). Hasil pengujian Black Box menunjukkan fungsionalitas sistem 100% dan stabil, sementara User Acceptance Test (UAT) mengonfirmasi penerimaan pengguna yang sangat positif (efektivitas 88.0%, efisiensi 98.3%, kepuasan 100%), menegaskan akurasi, fungsionalitas, kemudahan, dan intuitifnya sistem ini.