IDEA JATIM, MALANG – Inovasi baru lahir dari Fakultas Vokasi Universitas Negeri Malang. Dosen Program Studi Desain Mode, Ajeng Atma Kusuma, bersama tim penelitinya, berhasil mengembangkan sistem Smart Visual Detection berbasis Deep Learning dengan algoritma YOLO v11 untuk mendeteksi cacat pada produk garmen secara otomatis dan real-time.
Anggota penelitian ini terdiri dari 6 orang dosen Ajeng Atma Kusuma, Rais Amin, Agus Sunandar, Nurul Hidayati, Rizka Sarah Heydarina Fathima Ahsan, Rizki Yulianingrum Pradani yang semuanya merupakan dosen di Fakultas Vokasi Universitas Negeri Malang.
Dalam industri fesyen, pemeriksaan kualitas produk selama ini masih dilakukan secara manual. Proses tersebut tidak hanya memakan waktu lama, tetapi juga sangat bergantung pada kejelian tenaga manusia yang rawan kesalahan. Melalui penelitian ini, Ajeng dan timnya menghadirkan solusi berbasis Artificial Intelligence (AI) yang mampu mendeteksi berbagai jenis cacat kain seperti cut, hole, stain, dan thread error dengan tingkat akurasi mencapai 94%.
“Sistem ini dapat mengenali dan menandai area cacat pada produk garmen secara otomatis dalam hitungan detik. Teknologi ini membantu industri meningkatkan efisiensi, mengurangi kesalahan manusia, dan mendukung proses produksi yang lebih berkelanjutan,” jelas Ajeng Atma Kusuma, dosen sekaligus peneliti utama.
Teknologi yang dikembangkan menggunakan algoritma YOLO v11 (You Only Look Once) — versi terbaru dari sistem deteksi objek berbasis deep learning — yang mampu memproses citra visual dengan kecepatan tinggi dan presisi tinggi. Dalam uji coba yang dilakukan pada produk Rok A-Line, sistem ini berhasil mengenali pola cacat pada berbagai bahan seperti jeans, katun, linen, satin, dan wool.
Hasil penelitian menunjukkan bahwa Smart Visual Detection mampu menggantikan metode manual yang hanya memiliki tingkat akurasi sekitar 70%. Dengan sistem ini, proses inspeksi kualitas dapat dilakukan lebih cepat, objektif, dan konsisten tanpa ketergantungan pada faktor manusia.
Selain efisiensi, penggunaan sistem berbasis AI ini juga mengurangi pemborosan bahan dan meningkatkan keberlanjutan produksi (sustainable fashion), karena produk cacat dapat dideteksi lebih awal sebelum masuk ke tahap akhir produksi.
Ajeng menambahkan bahwa penelitian ini tidak hanya berfokus pada inovasi teknologi, tetapi juga pada kontribusi terhadap praktik industri ramah lingkungan dan ekonomi kreatif yang berkelanjutan.
Dukung SDGs: Pertumbuhan Ekonomi, Inovasi, dan Produksi Berkelanjutan
Inovasi Smart Visual Detection ini sejalan dengan tiga Tujuan Pembangunan Berkelanjutan (Sustainable Development Goals/SDGs), yaitu:
SDG 8 – Decent Work and Economic Growth: mendorong pertumbuhan ekonomi melalui peningkatan efisiensi dan daya saing industri garmen.
SDG 9 – Industry, Innovation, and Infrastructure: memperkuat infrastruktur industri kreatif berbasis teknologi tinggi dengan penerapan machine vision dan AI.
SDG 12 – Responsible Consumption and Production: mewujudkan produksi yang bertanggung jawab dengan meminimalkan limbah bahan dan energi melalui sistem deteksi otomatis.
“Penelitian ini merupakan bentuk kontribusi nyata dunia pendidikan vokasi terhadap implementasi teknologi industri 4.0 yang berorientasi pada keberlanjutan dan efisiensi,” ungkap Ajeng.
Ke depan, sistem ini berpotensi diintegrasikan dengan kamera industri otomatis agar dapat digunakan langsung di lini produksi garmen. Dengan demikian, proses quality control dapat dilakukan secara real-time dan terhubung ke sistem produksi digital. Ajeng dan tim berharap teknologi ini dapat menjadi solusi tepat guna bagi industri fesyen Indonesia, khususnya bagi UMKM dan pelaku usaha kecil-menengah yang ingin meningkatkan kualitas produknya dengan biaya yang efisien. (*)
