Evaluating of Neural Style Transfer Results of Various Pattern Images Using Features Similarity Index

MengEvaluation of Neural Style Transfer Results of Various Pattern Images Using Feature Similarity Index 

Penelitian terbaru yang dilakukan oleh Vanessa Metayani, Swat Lie Liliawati, dan Andreas Widjaja dari Universitas Kristen Maranatha memberikan wawasan yang mendalam tentang penggunaan Neural Style Transfer (NST) dalam pemrosesan citra digital. Dalam artikel yang dipublikasikan di Jurnal Teknik Informatika dan Sistem Informasi edisi Agustus 2024, penelitian ini menitikberatkan pada evaluasi hasil NST menggunakan Feature Similarity Index (FSIM). Fokus penelitian adalah untuk menilai apakah kompleksitas gaya seni, resolusi gambar, serta karakteristik khusus seperti warna dan tekstur, memiliki pengaruh signifikan terhadap nilai FSIM.

Artikel ini menarik perhatian karena NST, yang dikembangkan berdasarkan arsitektur Convolutional Neural Network (CNN) seperti VGG-19, telah menjadi alat yang semakin populer dalam dunia seni digital. Di sisi lain, FSIM merupakan metrik yang dirancang untuk mengevaluasi kualitas gambar berdasarkan kesamaan struktur fitur antara gambar asli dan hasil. Hasil penelitian ini menunjukkan bahwa tidak ada pengaruh signifikan dari kompleksitas dan resolusi terhadap FSIM, meskipun variasi FSIM masih tergantung pada kondisi tertentu. Hal ini menarik untuk dipertimbangkan dalam konteks pengembangan aplikasi e-commerce B2B, di mana kualitas gambar dan kesesuaian tampilan visual produk dapat memengaruhi keputusan pembelian.

Dengan meningkatnya adopsi teknologi AI dalam platform e-commerce, temuan ini memberikan dasar untuk mengeksplorasi lebih lanjut bagaimana teknologi seperti NST dapat diterapkan dalam konteks B2B untuk meningkatkan kualitas visual dan pengalaman pengguna tanpa mengorbankan keaslian konten. Penelitian ini juga menggarisbawahi pentingnya pemahaman mendalam terhadap teknologi AI dan dampaknya dalam aplikasi dunia nyata.

***

Penelitian yang dilakukan oleh Metayani, Liliawati, dan Widjaja mengangkat isu yang relevan bagi perkembangan teknologi di dunia e-commerce, khususnya pada platform Business-to-Business (B2B). Dalam dunia B2B, tampilan visual produk memegang peran penting karena sering kali keputusan pembelian dilakukan berdasarkan representasi digital produk. 

Neural Style Transfer (NST), sebagai teknologi yang memungkinkan penggabungan antara konten gambar dengan gaya artistik tertentu, dapat membuka peluang baru dalam penataan visual produk yang lebih menarik dan unik. Namun, penggunaan teknologi ini harus dilakukan dengan hati-hati, terutama jika mempertimbangkan temuan bahwa kompleksitas gaya seni dan resolusi tidak memiliki pengaruh signifikan terhadap nilai FSIM.

Dalam konteks e-commerce B2B, di mana detail visual harus akurat dan konsisten untuk membangun kepercayaan antara penjual dan pembeli, hasil penelitian ini memberikan panduan penting. Menurut data yang disajikan dalam penelitian, nilai FSIM berkisar antara 29,48% hingga 82,63%, tergantung pada pola dan gaya yang diterapkan. 

Gambar dengan resolusi tinggi dan gaya seni yang sederhana cenderung menghasilkan nilai FSIM yang lebih tinggi, menunjukkan bahwa struktur visual asli dari produk lebih mudah dipertahankan dalam kondisi ini. Sebagai contoh, penggunaan gambar produk dengan gaya seni sederhana dan resolusi tinggi dalam katalog B2B dapat membantu mempertahankan keaslian dan integritas visual produk, yang esensial dalam menjaga kepercayaan mitra bisnis.

Lebih jauh lagi, pemanfaatan NST dalam platform B2B dapat dimaksimalkan dengan memperhatikan aspek-aspek lain seperti warna dan tekstur. Misalnya, dalam katalog produk yang memerlukan penekanan pada detail tertentu, penggunaan NST harus diatur sedemikian rupa agar tidak mengubah persepsi visual dari produk tersebut secara drastis. 

Penelitian ini juga menunjukkan pentingnya uji coba dan evaluasi yang cermat sebelum teknologi NST diimplementasikan dalam skala besar pada platform e-commerce. Selain itu, hasil survei yang dilakukan menunjukkan bahwa mayoritas gambar yang dinilai layak dipajang memiliki nilai FSIM di atas 50%, menegaskan bahwa tingkat keandalan NST cukup tinggi jika diterapkan dengan pertimbangan yang tepat. Dengan demikian, NST dapat menjadi alat yang efektif untuk meningkatkan daya tarik visual tanpa mengorbankan keaslian produk, asalkan digunakan dengan pemahaman yang tepat tentang batasan dan kemampuan teknologi ini.

Namun, perlu dicatat bahwa hasil dari penelitian ini juga mengindikasikan bahwa tidak ada bukti yang cukup untuk menyatakan bahwa resolusi dan kompleksitas gaya seni secara signifikan memengaruhi hasil akhir. Artinya, NST dapat diterapkan secara fleksibel tanpa khawatir kehilangan detail yang kritis, asalkan dilakukan dengan panduan yang jelas dan berbasis data. 

Hal ini membuka peluang bagi pelaku bisnis B2B untuk mengeksplorasi berbagai gaya artistik dalam presentasi produk mereka, dengan keyakinan bahwa teknologi ini mampu menjaga integritas visual yang diperlukan dalam transaksi bisnis.

***

Kesimpulan dari penelitian yang dilakukan oleh Metayani, Liliawati, dan Widjaja memberikan wawasan yang berharga bagi pengembangan teknologi visual dalam platform e-commerce B2B. Dengan temuan bahwa resolusi dan kompleksitas gaya seni tidak signifikan mempengaruhi hasil Feature Similarity Index (FSIM), bisnis dapat lebih fleksibel dalam mengeksplorasi penggunaan Neural Style Transfer (NST) untuk meningkatkan daya tarik visual produk mereka. 

Meskipun demikian, tetap diperlukan kehati-hatian dalam penerapan teknologi ini, terutama untuk memastikan bahwa kualitas visual dan keaslian produk tetap terjaga. Penggunaan NST dapat menjadi alat yang efektif untuk membedakan penawaran produk dalam pasar yang semakin kompetitif, asalkan diaplikasikan dengan pemahaman yang mendalam terhadap batasan dan potensi teknologi ini.

Dengan nilai FSIM yang berkisar antara 29,48% hingga 82,63%, penelitian ini menegaskan pentingnya evaluasi dan uji coba sebelum implementasi penuh. Untuk pengembang dan pelaku bisnis di sektor B2B, penelitian ini menyediakan dasar yang kuat untuk mengintegrasikan teknologi AI ke dalam strategi visual mereka, dengan tetap mempertahankan fokus pada keaslian dan kepercayaan pelanggan. 

Ke depan, eksplorasi lebih lanjut tentang bagaimana NST dapat dioptimalkan untuk berbagai jenis produk dan konteks bisnis akan sangat bermanfaat, memungkinkan bisnis untuk memanfaatkan teknologi ini secara maksimal tanpa mengorbankan kualitas visual dan integritas produk yang mereka tawarkan.

Referensi:

Metayani, V., Liliawati, S. L., & Widjaja, A. (2024). Evaluasi Hasil Neural Style Transfer Berbagai Gambar Pola Menggunakan Feature Similarity Index. Jurnal Teknik Informatika dan Sistem Informasi, 10(2). http://dx.doi.org/10.28932/jutisi.v10i2.9380