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

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.