RANCANG BANGUN APLIKASI DETEKSI PELANGGARAN TATA TERTIB MAHASISWA DENGAN MENGGUNAKAN ALGORITMA CNN BERBASIS ANDROID (DETEKSI PELANGGARAN KERAPIHAN MAHASISWA MENGGUNAKAN ALGORITMA CNN DENSENET121)

2107412045, Ken Haidar Hanif (2025) RANCANG BANGUN APLIKASI DETEKSI PELANGGARAN TATA TERTIB MAHASISWA DENGAN MENGGUNAKAN ALGORITMA CNN BERBASIS ANDROID (DETEKSI PELANGGARAN KERAPIHAN MAHASISWA MENGGUNAKAN ALGORITMA CNN DENSENET121). D4 thesis, Politeknik Negeri Jakarta.

[thumbnail of Halaman Identitas(Bab 1 dan Bab 5)] Text (Halaman Identitas(Bab 1 dan Bab 5))
Laporan_Skripsi_Ken_Haidar_Hanif_Bab1 dan Bab 5.pdf

Download (1MB)
[thumbnail of Isi Skripsi (Bab 2 - Bab 4)] Text (Isi Skripsi (Bab 2 - Bab 4))
Laporan_Skripsi__-_Ken_Haidar_Hanif_Bab 2 - Bab 4.pdf
Restricted to Hanya Civitas Akademika PNJ

Download (1MB)
[thumbnail of Jurnal] Text (Jurnal)
Jurnal_Ken_Haidar_Hanif.pdf
Restricted to Hanya Staff Repositori

Download (832kB)

Abstrak

Pelanggaran peraturan di lingkungan kampus, seperti rambut panjang, tidak memakai kemeja, serta tidak bersepatu kerap terjadi. Proses pemantauan secara manual memiliki keterbatasan, baik dari sisi waktu maupun sumber daya manusia. Oleh karena itu, penelitian ini bertujuan untuk merancang sebuah aplikasi berbasis android yang mampu mendeteksi pelanggaran secara otomatis aktifitas pelanggaran tata tertib mahasiswa dengan memanfaatkan algoritma Convolutional Neural Network (CNN).
Penelitian ini menggunakan arsitektur DenseNet121 sebagai sistem klasifikasi untuk membedakan antara perilaku melanggar dan tidak melanggar. Dalam penelitian ini, digunakan 3800 gambar yang terdiri dari 750 orang berambut panjang, 700 orang tidak berambut panjang, 450 orang memakai sandal, 500 orang bersepatu, 700 orang memakai kaos, 600 orang memakai kemeja yang diambil dari dataset publik. Dataset melalui preprocessing yang mencakup resizing, dan augmentasi untuk meningkatkan variasi data. Berdasarkan hasil pengujian, model mencapai akurasi pengujian sebesar 88.89 persen, precision 100 persen, recall 88.37 persen, dan F1-Score 93.83 persen dalam mendeteksi pelanggaran kaos, akurasi pengujian sebesar 91.49 persen, precision 82.35 persen, recall 100 persen, dan F1-Score 90.32 persen dalam mendeteksi pelanggaran sandal dan akurasi pengujian sebesar 90.63 persen, precision 82.35 persen, recall 100 persen, dan F1-Score 90.32 persen dalam mendeteksi pelanggaran rambut.

Tipe Dokumen: Thesis / Skripsi / Tugas Akhir (D4)
Subjek: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum
000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 001 Ilmu pengetahuan
000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data
Bidang, Unit, atau Jurusan Yang Ditujukan: Teknik Informatika dan Komputer > Teknik Informatika D4
User ID Pengunggah: Ken Haidar Hanif
Date Deposited: 28 Jul 2025 01:50
Last Modified: 28 Jul 2025 01:50
URI: https://repository.pnj.ac.id/id/eprint/29804

Actions (login required)

View Item
View Item