Zuanita Menerapkan YOLO Untuk Membuat Aplikasi Deteksi Rias Adat Nusantara

YOLO atau singkatan dari You Only Look Once merupakan suatu algoritma yang dikembangkan untuk melakukan pendeteksian objek secara real-time. Menerapkan ilmu yang didapat dari bangku kuliah, Zuanita mahasiswa Teknik Informatika membuat aplikasi untuk mendeteksi rias adat nusantara.
Rias adat Nusantara atau rias pengantin tradisional di Indonesia merupakan salah satu hal berharga dari para leluhur. Sebagai negara yang memiliki banyak suku, Indonesia kaya akan budaya dan adat istidat, sehingga setiap suku memiliki ciri khas salah satunya adat pernikahan, hal inilah yang melatarbelakangi karyanya, ungkap Zuanita.

Pada penelitian yang dibuatnya, ia mengamati bahwa pengenalan jenis adat pernikahan dapat dilakukan melalui bentuk riasan, busana, dan aksesoris yang digunakan oleh pasangan pengantin, terutama mempelai wanita.  Ada empat belas jenis rias adat Nusantara pada mempelai wanita yang dikumpulkannya, antara lain Adat Bali Agung, Adat Betawi Rias Besar, Adat Bugis, Adat Gorontalo, Adat Madura Lilin, Adat Tapanuli, Adat Padang Pesisir, Adat Luhak Agam Koto Gadang, Adat Palembang Aesan Pasangkong, Adat Yogyakarta Ageng, Adat Yogyakarta Putri, Adat Sunda
Siger, Adat Sunda Putri, dan Adat Solo Putri.

Kemampuannya dalam membuat aplikasi dipelajarai saat mengikuti mata kuliah Machine Learning yang menjadi salah satu unggulan di Program Studi Teknik Informatika. Machine learning adalah bentuk kecerdasan buatan yang memungkinkan sistem mampu untuk belajar sendiri berdasarkan algoritma yang diterapkan tanpa diprogram secara eksplisit. Aplikasi Deteksi Rias Nusantara Zuanita ini juga telah dipublikasikan di Jurnal Ilmiah Universitas Batanghari Jambi Volume 22 No 3 Oktober 2022.
Berdasarkan kegiatan penelitian dan pengujian yang telah dilakukan, Aplikasi Deteksi Rias mampu mendeteksi objek berupa gambar mempelai pengantin wanita yang menggunakan empat belas jenis rias adat Nusantara dengan rata-rata akurasi sebesar 95.20% dan rata-rata waktu yang dibutuhan untuk mendeteksi sebesar 327 ms (milli-seconds). Aplikasi yang dibangunnya mampu mendeteksi objek secara realtime melalui perangkat Android.