Doktor ITS Kembangkan Sistem Pengontrol Kualitas Industri Tekstil

SURABAYA-KEMPALAN: Sulitnya menghadapi tantangan kritis terhadap pemantauan industri tekstil menyebabkan dampak negatif pada biaya produksi. Menanggapi permasalahan tersebut, lulusan program doktoral Departemen Teknik Sistem dan Industri (DTSI) Institut Teknologi Sepuluh Nopember (ITS) Dr Fajar Pitarsi Dharma SST MT membangun sistem pengontrolan kualitas tekstil melalui integrasi machine learning.

Melalui Sidang Terbuka Promosi Doktor DTSI 133, Fajar membeberkan bahwa industri tekstil Indonesia dinilai kurang konsisten dalam melakukan pengawasan mutu. Bahkan, inspeksi manualnya menghasilkan akurasi yang rendah, hanya berkisar 50 hingga 70 persen. “Hal ini mengakibatkan keterlambatan dalam mendeteksi kecacatan sekaligus menurunkan laju produksi,” imbuhnya.

Alumnus S2 Universitas Mercu Buana tersebut mengusulkan kerangka kerja berupa strategi ganda yang mengintegrasikan convolutional neural network untuk mengklasifikasi jenis cacat dan model deteksi objek. Model ini digunakan agar dapat melokalisasi spasial cacat produk pertenunan, khususnya pada kain. Sistem tersebut memungkinkan proses identifikasi cacat secara lebih cepat dan presisi sehingga dapat mendukung pengawasan mutu secara real-time.

Lebih lanjut, penelitian ini menggunakan empat tahapan utama untuk meningkatkan kinerja model. Tahapan tersebut meliputi analisis literatur secara menyeluruh dan perbandingan berbagai arsitektur deteksi pada data publik. Selain itu, sistem juga mengembangkan model klasifikasi dengan mekanisme perhatian hirarkis dari tahap awal hingga akhir produksi, serta melakukan optimasi hyperparameter untuk meningkatkan kemampuan deteksi.

Melalui metodologi tersebut, hasil penelitian ini menunjukkan tingkat signifikansi yang tinggi. Model klasifikasi yang dikembangkan mencapai akurasi hingga 94 persen dalam mengidentifikasi jenis cacat. Pada model deteksi teroptimasi juga mencapai peningkatan mean average precision sebesar 17 persen dengan kinerja superior terhadap state-of-the-art methods yang tersedia. “Hasil ini melampaui baseline hingga 22 poin persentase,” ungkapnya.

Bukan hanya itu, kerangka kerja ini juga telah tervalidasi secara statistik melalui berbagai pengujian acak yang menunjukkan tingkat konsistensi dan stabilitas pengontrolan kualitas yang tinggi. Selain itu, strategi optimasi yang diterapkan memprioritaskan konfigurasi model sebelum pengembangan kapasitas arsitektur serta mempertimbangkan aspek teknis dan kebutuhan operasional industri. Hal ini memberikan panduan praktis bagi transformasi digital pengontrolan kualitas industri tekstil Indonesia.

Harapannya, penelitian ini dapat diadopsi dalam lingkungan industri tekstil yang nyata. Pengujian yang intens pada kerangka kerja ini dapat membentuk skala pilot di satu lini produksi hingga menjadi sistem inspeksi otomatis yang terintegrasi penuh. Selanjutnya, pengembangan model yang lebih ringan dapat berjalan di perangkat edge computing yang lebih terjangkau serta pabrik tekstil skala menengah pun turut mengadopsinya tanpa investasi infrastruktur yang besar.

Inovasi ini juga selaras dengan dukungan pencapaian Sustainable Development Goals (SDGs). Terutama pada poin ke-8 tentang Pekerjaan Layak dan Pertumbuhan Ekonomi; poin ke-9 mengenai Industri, Inovasi, dan Infrastruktur; serta poin ke-12 terkait Konsumsi dan Produksi yang Bertanggung Jawab. “Hadirnya inovasi ini diharapkan tumbuhnya inklusivitas teknologi, keberlangsungan efisiensi industri tekstil, dan proses produksi yang lebih bertanggung jawab,” tuturnya penuh harap.