<![CDATA[Peningkatan transaksi jual beli pakaian bekas secara daring menuntut adanya sistem inspeksi kualitas yang objektif dan konsisten untuk menilai kelayakan produk sebelum dipasarkan. Namun, proses penilaian kerusakan pakaian masih banyak dilakukan secara manual sehingga bersifat subjektif dan memerlukan waktu, yang berpotensi menurunkan efisiensi quality control. Penelitian ini bertujuan mengembangkan sistem deteksi kerusakan pakaian bekas menggunakan pendekatan object detection dengan arsitektur YOLOv12. Metode penelitian mengacu pada tahapan CRISP-DM yang meliputi pengumpulan data dari sumber publik, anotasi bounding box pada empat kelas objek yaitu clothes, cut, hole, dan stain, pelatihan model, evaluasi performa, serta implementasi sistem berbasis website. Evaluasi dilakukan pada 148 citra uji dengan total 331 objek menggunakan metrik Precision, Recall, mAP50, dan mAP50-95. Hasil pengujian menunjukkan nilai Precision sebesar 0,415, Recall sebesar 0,474, mAP50 sebesar 0,426, dan mAP50-95 sebesar 0,279. Model menunjukkan performa terbaik pada kelas clothes dengan nilai Recall mencapai 1,00, namun masih memiliki keterbatasan dalam mendeteksi kerusakan berukuran kecil seperti cut dan hole. Model kemudian diintegrasikan ke dalam aplikasi web menggunakan Flask sebagai backend dan antarmuka frontend berbasis TSX untuk menampilkan hasil deteksi secara real-time. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu mendeteksi kerusakan pakaian bekas secara otomatis dan berpotensi menjadi alat bantu inspeksi kualitas pada ekosistem Thrift digital]]>
