Sewise Fashion Labs: Pola Jahit Sesuai Ukuran

Proyek hackathon 2026 yang mengolah sketsa pakaian dan lima ukuran tubuh menjadi pola jahit sesuai ukuran, perhitungan kebutuhan kain untuk setiap lebar gulungan, dan daftar belanja, serta fitur untuk memanfaatkan kembali pakaian lama.

1,390
Pengujian backend yang lolos
118
Commit oleh Kurniadi dalam 40 pull request
9
Feature spec, 754 task terencana

Peran: Dibangun untuk hackathon 2026 (arah Deep Domain AI) dan direncanakan untuk tim empat orang; seluruh kodenya ditulis Kurniadi (118 commit, 40 pull request) dengan GitHub Copilot dan GitHub Spec Kit
Periode: Okt 2026
Jenis proyek: Pilihan
Ruang di HQ 3D: L3:sewise-fashion-labs

Hasil

1,390
Pengujian backend yang lolos
pytest tanpa pengujian model live, dijalankan pada clone baru, 16 Okt 2026.
118
Commit oleh Kurniadi dalam 40 pull request
Riwayat repositori, 9 hingga 10 Okt 2026.
9
Feature spec, 754 task terencana
Ringkasan GitHub Spec Kit di repositori.

Masalah

Penjahit rumahan, usaha jahit kecil, dan mahasiswa mode di Indonesia membutuhkan keahlian membuat pola untuk mengubah desain menjadi pola yang sesuai ukuran. Kain dibeli berdasarkan tabel umum yang mengabaikan lebar gulungan, perlengkapan jahit sering terlupa, dan pakaian lama dibuang padahal masih bisa dipakai ulang.

Kontribusi

Ukuran pola saya hitung melalui kode yang deterministik dan teruji. Drafting engine Python menghitung bodice, lengan, peplum, dan rok dari lima ukuran. Fit report membandingkan setiap pasangan jahitan yang akan disatukan dengan targetnya dalam milimeter: pemeriksaan geometri hasil perhitungan, bukan validasi fisik kecocokan pakaian.
Nesting engine menata potongan pada kain selebar 110, 115, dan 150 cm sesuai aturan grainline. Saat engine utama tidak tersedia, alurnya beralih ke heuristik tata letak yang lebih sederhana, lalu memakai hasil perhitungan panjang kain untuk menyusun daftar belanja beserta benang, ritsleting, dan jarum.
AI hanya menafsirkan maksud pengguna dan mengatur alur: Azure OpenAI mengolah sketsa menjadi design spec dengan batasan yang ditetapkan, sedangkan asisten di Microsoft Agent Framework memanggil layanan deterministik sebagai tool. Tanpa model, seluruh alur tetap dapat dijalankan menggunakan sampel dan formulir spec manual.
Saya membekukan kontrak API terlebih dahulu (model Pydantic, OpenAPI, dan tipe TypeScript yang di-generate), lalu membangun sembilan feature spec dengan GitHub Copilot dan GitHub Spec Kit di atas Cosmos DB, Blob Storage, dan skrip Azure Container Apps yang hanya membutuhkan akses Contributor.