Dalam upaya meningkatkan efisiensi dan kualitas produksi batik tulis tradisional, Rifqi Restu Hamidi, mahasiswa Magister Teknik Industri, Departemen Teknik Mesin dan Industri (DTMI) UGM, mempresentasikan hasil penelitiannya dalam Seminar Hasil bertajuk “Optimasi Model YOLO untuk Deteksi Cacat Proses Klowong pada Mesin Batik Tulis (CNC) Secara Real-Time (Studi Kasus: Batik Butimo Yogyakarta)” pada Rabu (02/07).
Penelitian ini berangkat dari permasalahan klasik dalam proses klowong, salah satu tahap penting dalam produksi batik tulis yang membutuhkan ketelitian tinggi namun sangat memakan waktu. Seiring adopsi mesin CNC oleh beberapa industri batik, seperti Batik Butimo di Yogyakarta, proses klowong dapat dilakukan lebih cepat. Namun, inspeksi hasilnya masih dilakukan secara manual, sehingga rawan bias dan kurang efisien.
Dalam penelitiannya, Rifqi mengembangkan sistem deteksi cacat otomatis berbasis You Only Look Once (YOLO), sebuah arsitektur deep learning yang mampu melakukan deteksi objek secara real-time. Sistem ini tidak hanya mendeteksi keberadaan cacat, tetapi juga mengidentifikasi jenis dan lokasinya tanpa memerlukan intervensi manusia.
Untuk menunjang pengoperasian, sistem deteksi ini terintegrasi langsung dengan mesin CNC serta dilengkapi dengan Graphic User Interface (GUI). “Melalui antarmuka ini, operator dapat memantau proses produksi secara langsung dan menerima umpan balik instan mengenai adanya cacat, sehingga proses produksi menjadi lebih cepat, akurat, dan terdokumentasi secara digital,” papar Rifqi.
Dosen pembimbing dalam seminar ini adalah Ir. Muhammad Kusumawan Herliansyah, S.T., M.T., Ph.D., IPU., ASEAN Eng., sementara tim penguji terdiri dari Prof. Dr. Eng. Ir. Herianto, S.T., M.Eng., IPU., ASEAN Eng., Ir. Andi Sudiarso, S.T., M.T., M.Sc., Ph.D., IPM., ASEAN Eng., dan Dr. Eng. Ir. Muh Arif Wibisono, S.T., M.T., IPM., ASEAN Eng.
Dengan memadukan teknologi artificial intelligence dan otomasi industri, penelitian ini tidak hanya meningkatkan produktivitas dan standarisasi, tetapi juga mempertahankan nilai seni dan budaya batik. Inovasi ini dinilai relevan untuk mendukung beberapa poin Sustainable Development Goals (SDGs) berikut:
-
SDG 9 – Industri, Inovasi, dan Infrastruktur: mendorong penerapan teknologi industri cerdas untuk meningkatkan efisiensi dan kualitas produksi.
-
SDG 12 – Konsumsi dan Produksi yang Bertanggung Jawab: melalui pengurangan limbah produksi akibat cacat yang terdeteksi lebih awal.
-
SDG 8 – Pekerjaan Layak dan Pertumbuhan Ekonomi: dengan mendukung transformasi digital industri kreatif tradisional seperti batik.
Dengan inovasi ini, harapannya industri batik tidak hanya mampu bersaing di era digital, tetapi juga semakin lestari dan terstandarisasi secara global.
Kontributor: Maryanti, A.Md.
Penyusun: Gusti Purbo Darpitojati, S.I.Kom.
