<![CDATA[Industri garmen merupakan sektor yang sangat bergantung pada ketepatan dan konsistensi dalam menjaga kualitas produk. Namun, proses pemeriksaan cacat pada bahan maupun produk akhir masih banyak dilakukan secara manual, sehingga berpotensi menimbulkan kesalahan dan mengurangi efisiensi produksi. Kondisi ini mendorong perlunya pengembangan sistem deteksi otomatis berbasis teknologi terkini untuk membantu proses quality control. Penelitian ini bertujuan untuk mengembangkan sistem Smart Visual Detection berbasis Deep Learning dengan menggunakan algoritma YOLO (You Only Look Once) sebagai metode utama untuk mengidentifikasi berbagai jenis cacat pada produk garmen. Penelitian ini menggunakan metode deep learning dengan menggunakan algoritma YOLO v11 sebagai sistem utama untuk mendeteksi cacat secara visual pada produk garmen yaitu Rok A-Line, dengan tahapan meliputi pengumpulan data gambar cacat garmen, pelabelan dataset, pelatihan model YOLO, serta pengujian performa sistem dalam mendeteksi jenis dan lokasi cacat pada gambar. Proses pelatihan dilakukan dengan parameter yang disesuaikan agar model dapat mengenali pola cacat seperti robekan, noda, atau ketidakteraturan jahitan secara akurat. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu mendeteksi cacat dengan tingkat akurasi yang tinggi dan waktu pemrosesan yang efisien. Program ini dinilai berhasil berfungsi sebagai alat bantu dalam proses identifikasi cacat produk garmen secara otomatis. Meskipun masih berupa tahap awal, sistem ini berpotensi dikembangkan lebih lanjut menjadi perangkat terintegrasi dengan kamera Industri sehingga dapat diterapkan langsung di lini produksi. Penelitian ini menjadi langkah awal menuju implementasi teknologi Artificial Intelligence dalam meningkatkan efisiensi dan kualitas produksi di industri fesyen. ]]>
Copyrights © 2025
