Publisher

ASDKVIASDKVI

Journal Abstrak : Jurnal Kajian Ilmu seni, Media dan DesainAbstrak : Jurnal Kajian Ilmu seni, Media dan Desain Abstract

Inovasi dalam industri fashion semakin dipengaruhi oleh integrasi teknologi yang berperan penting dalam menciptakan praktik desain yang lebih efisien dan berkelanjutan. Penelitian ini membahas potensi penggabungan teknik pemotongan kain (slashing) dengan kecerdasan buatan (artificial intelligence/AI) untuk mengoptimalkan proses desain, mengurangi limbah tekstil, serta mendukung tujuan keberlanjutan. Dengan pendekatan metode campuran, penelitian ini melibatkan percobaan pengembangan algoritma berbasis AI yang mampu menghasilkan pola pemotongan secara otomatis. Survei dan wawancara mendalam dengan para perancang busana memberikan wawasan kualitatif mengenai penerimaan, kelayakan, serta tantangan dalam mengadopsi teknologi tersebut di lingkungan desain nyata. Hasil penelitian menunjukkan bahwa integrasi AI dalam teknik pemotongan berhasil mengurangi limbah tekstil hingga 25%, sekaligus mempercepat proses desain dan memungkinkan terciptanya pola yang lebih rumit serta inovatif dibandingkan metode manual tradisional. Selain itu, para perancang melaporkan bahwa sistem berbasis AI tidak hanya meningkatkan efisiensi, tetapi juga memperluas peluang kreatif dengan menghadirkan alternatif desain yang sebelumnya sulit terbayangkan. Studi ini juga menekankan implikasi lebih luas dari penerapan AI dalam inovasi fashion, khususnya dalam menyesuaikan praktik industri dengan tuntutan keberlanjutan global. Dengan menekan limbah dan mendorong sistem produksi yang lebih cerdas, AI berpotensi menjadi katalis transformasi industri fashion menuju sektor yang ramah lingkungan dan hemat sumber daya. Hasil penelitian ini memperkuat pentingnya penerapan teknologi mutakhir sebagai respons terhadap meningkatnya perhatian lingkungan dan permintaan pasar akan fashion berkelanjutan. Penelitian ini turut memberikan kontribusi nyata terhadap pengembangan pendekatan desain modern dengan menghadirkan bukti empiris manfaat sinergi teknik tradisional dan kecerdasan digital, sekaligus menawarkan rekomendasi praktis bagi desainer, peneliti, dan pemangku kepentingan industri untuk memanfaatkan AI sebagai strategi dalam membangun ekosistem fashion berkelanjutan yang menyeimbangkan kreativitas, efisiensi, dan tanggung jawab lingkungan.

Conclusion

Studi ini menunjukkan bahwa mengintegrasikan AI ke dalam teknik pemotongan dapat menghasilkan desain fashion yang lebih efisien, inovatif, dan berkelanjutan.Kombinasi ketepatan AI dengan potensi kreatif dari teknik pemotongan dapat menghasilkan pengurangan limbah tekstil yang signifikan dan meningkatkan efisiensi proses desain secara keseluruhan.Selain itu, penerapan AI dalam fashion menawarkan peluang baru untuk eksplorasi kreatif dan mendorong batas-batas desain fashion tradisional.Penelitian lebih lanjut harus dilakukan untuk mengeksplorasi skalabilitas teknologi ini, penerapannya di berbagai konteks budaya yang berbeda, dan potensi AI untuk berkolaborasi dengan praktik-praktik berkelanjutan lainnya dalam industri fashion.

Future Research

Untuk penelitian lanjutan, dapat diusulkan beberapa arah studi. Pertama, mengeksplorasi skalabilitas teknologi AI dalam desain fashion, terutama dalam konteks budaya yang beragam, untuk memastikan bahwa manfaat efisiensi dan keberlanjutan dapat diaplikasikan secara luas. Kedua, menyelidiki potensi kolaborasi antara AI dan praktik-praktik berkelanjutan lainnya dalam industri fashion, seperti penggunaan bahan ramah lingkungan atau sistem produksi yang lebih efisien. Ketiga, mengembangkan strategi implementasi AI yang inklusif, memastikan bahwa teknologi ini dapat diakses dan dimanfaatkan oleh berbagai kalangan dalam industri fashion, termasuk desainer independen dan UMKM.

References

1. Unpaired Image Enhancement Featuring Reinforcement-Learning-Controlled Image Editing Software | Proceedings... doi.org/10.1609/aaai.v34i07.6790Unpaired Image Enhancement Featuring Reinforcement Learning Controlled Image Editing Software Proceedings doi 10 1609 aaai v34i07 6790
2. Attention-Aware Face Hallucination via Deep Reinforcement Learning | IEEE Conference Publication | IEEE... ieeexplore.ieee.org/document/8099663Attention Aware Face Hallucination via Deep Reinforcement Learning IEEE Conference Publication IEEE ieeexplore ieee document 8099663
3. Unpaired Image-to-Image Translation Using Cycle-Consistent Adversarial Networks | IEEE Conference Publication... doi.org/10.1109/ICCV.2017.244Unpaired Image to Image Translation Using Cycle Consistent Adversarial Networks IEEE Conference Publication doi 10 1109 ICCV 2017 244

Metadata

File size	677.93 KB
Pages	10
DMCA	Report