KLASIFIKASI UKURAN BAJU BERDASARKAN PENGUKURAN TUBUH MENGGUNAKAN MEDIAPIPE DAN SUPPORT VECTOR MACHINE

Tasya Nurul Laily; Nunik Pratiwi;

ABSTRAK

Klasifikasi Ukuran Baju Berdasarkan Pengukuran Tubuh Menggunakan

MediaPipe dan Support Vector Machine

Tasya Nurul Laily

Ketidaksesuaian ukuran pakaian menjadi masalah umum dalam belanja daring karena banyak
konsumen tidak mengetahui ukuran tubuh mereka secara akurat. Penelitian ini mengembangkan sistem
rekomendasi ukuran baju otomatis berbasis pengolahan citra menggunakan MediaPipe untuk mendeteksi
keypoint tubuh dari gambar. Parameter panjang badan, lebar bahu, dan lingkar dada dihitung
menggunakan metode Euclidean Distance dan dikonversi ke satuan sentimeter melalui kalibrasi tinggi
badan. Nilai-nilai ini digunakan sebagai input untuk klasifikasi ukuran baju menggunakan algoritma
Support Vector Machine (SVM) dengan kernel Radial Basis Function (RBF). Sistem dibuat dengan
antarmuka MATLAB. Penelitian ini menggunakan 231 data citra tubuh sebagai dataset. Hasil pengujian
menunjukkan akurasi klasifikasi mencapai 91%, dengan nilai presisi, recall, dan F1-score yang tinggi.
Berdasarkan hasil evaluasi, nilai Mean Absolute Error (MAE) sistem adalah 1.66 cm untuk panjang
badan, 1.08 cm untuk lebar bahu, dan 2.99 cm untuk lingkar dada. Sistem terbukti cukup akurat dan dapat
membantu pengguna dalam menentukan ukuran baju secara otomatis dan efisien.
Kata kunci: klasifikasi, MediaPipe, pengukuran tubuh, sistem rekomendasi, SVM, ukuran baju

Clothing Size Classification Based on Body Measurements Using MediaPipe and

Support Vector Machine
Tasya Nurul Laily

Inaccurate clothing size selection is a common issue in online shopping, as many consumers do
not know their exact body measurements. This study developed an automatic clothing size
recommendation system based on image processing using MediaPipe to detect body keypoints from user
images. Body parameters such as height, shoulder width, and chest circumference were calculated using
the Euclidean Distance method and converted into centimeters through height-based calibration. These
values were then used as input for clothing size classification using the Support Vector Machine (SVM)
algorithm with a Radial Basis Function (RBF) kernel. The system was built with a MATLAB-based
interface. A total of 231 body image data were used as the dataset. The classification testing results
showed an accuracy of 91%, with high precision, recall, and F1-score values. Based on the evaluation,
the system’s Mean Absolute Error (MAE) was 1.66 cm for body height, 1.08 cm for shoulder width, and
2.99 cm for chest circumference. The system proved to be sufficiently accurate and can assist users in
automatically and efficiently determining their clothing size.
Keywords: classification, MediaPipe, body measurement, recommendation system, SVM, clothing size