Dhika Wahyu Pratama, mahasiswa Program Magister Teknik Industri, Departemen Teknik Mesin dan Industri (DTMI) UGM, mempresentasikan tesisnya yang berjudul “Sistem Inspeksi Visual Real-Time Berbasis Deep Learning untuk Identifikasi Cacat pada Proses Klowong di Mesin Batik Tulis Butimo” dalam ujian tesis yang dilaksanakan pada Selasa (09/09).
Kain klowong merupakan tahap awal dalam pembuatan batik tulis, di mana pola utama diberikan menggunakan malam pada permukaan kain. Dengan adanya mesin batik tulis, proses ini dapat dipercepat hingga 57% dibanding metode konvensional. Ke depan, IKM Butimo menargetkan konsep Batik 4.0, yakni produksi 24 jam dengan satu shift tanpa operator. Untuk mewujudkannya, dibutuhkan sistem auto repair yang bergantung pada inspeksi visual berbasis deep learning agar mesin mampu mendeteksi dan memperbaiki cacat secara otomatis.
Dalam penelitian ini, Dhika menggunakan model YOLO (You Only Look Once), khususnya YOLOv8 Medium, dengan hyperparameter tuning melalui metode Grid Search. Model terbaik kemudian dipilih menggunakan K-Fold Cross Validation. Hasilnya menunjukkan tingkat keberhasilan prediksi sebesar 93,33% dalam mendeteksi cacat, sementara strategi implementasi dengan interval prediksi 5 detik menghasilkan akurasi optimal sebesar 90,55%.
Selain itu, sistem dilengkapi dengan toleransi ukuran cacat sehingga cacat yang masih dalam batas wajar tidak dihitung sebagai kesalahan produksi. Untuk memudahkan pengguna, Dhika juga mengembangkan Graphical User Interface (GUI) yang memungkinkan sistem dioperasikan secara praktis pada lini produksi.
Penelitian ini tidak hanya berkontribusi pada modernisasi industri batik, tetapi juga menjadi pijakan penting menuju transformasi digital sektor kerajinan tradisional Indonesia di era Batik 4.0.
Kontributor: Maryanti, A.Md.
Penyusun: Gusti Purbo Darpitojati, S.I.Kom.
