Lulusan program doktoral Departemen Teknik Sistem dan Industri (DTSI) Institut Teknologi Sepuluh Nopember (ITS), Dr. Fajar Pitarsi Dharma SST MT, mengembangkan sistem pengontrol kualitas industri tekstil berbasis integrasi machine learning. Inovasi ini hadir sebagai respons atas rendahnya konsistensi pengawasan mutu di industri tekstil yang selama ini masih didominasi inspeksi manual dengan akurasi hanya sekitar 50–70 persen, sehingga berdampak pada keterlambatan deteksi cacat dan penurunan efisiensi produksi.
Penelitian ini mengusulkan kerangka kerja berbasis strategi ganda yang menggabungkan convolutional neural network (CNN) untuk klasifikasi jenis cacat dan model deteksi objek untuk melokalisasi cacat pada kain secara spasial. Sistem dikembangkan melalui empat tahapan utama, termasuk studi literatur, perbandingan arsitektur deteksi, pengembangan mekanisme attention hierarkis, serta optimasi hyperparameter. Hasilnya, model klasifikasi mencapai akurasi hingga 94 persen, sementara model deteksi yang dioptimasi menunjukkan peningkatan mean average precision (mAP) sebesar 17 persen dan melampaui metode sebelumnya hingga 22 poin persentase.
Selain menunjukkan kinerja tinggi, sistem ini juga tervalidasi secara statistik melalui berbagai pengujian yang menegaskan konsistensi dan stabilitasnya dalam pengendalian kualitas. Kerangka kerja ini dirancang untuk dapat diimplementasikan secara bertahap di industri, mulai dari skala pilot hingga sistem inspeksi otomatis terintegrasi, termasuk potensi penerapan pada edge computing untuk pabrik skala menengah. Inovasi ini turut mendukung pencapaian SDGs, khususnya pada aspek industri inovasi, pekerjaan layak, serta produksi berkelanjutan.
