RANCANG BANGUN MODEL PRE-TRAINED DAN APLIKASI DETEKSI SERAGAM SEKOLAH BERBASIS SISTEM PRESENSI ANDROID

Pengawasan kepatuhan seragam siswa secara manual oleh guru berpotensi menimbulkan subjektivitas dan ketidakkonsistenan penilaian, sementara sistem absensi digital yang ada belum mengintegrasikan verifikasi atribut seragam sebagai bagian dari alur pencatatan kehadiran. Penelitian ini bertujuan membangun dataset seragam sekolah Indonesia yang memadai, mengembangkan sistem absensi Android yang mengintegrasikan deteksi multiatribut seragam secara on-device, serta mengevaluasi performa dan kelayakan deployment empat model deep learning pada perangkat Android nyata. Dataset kustom dibangun dari lima ratus enam puluh enam gambar mencakup enam belas kelas atribut seragam yang merepresentasikan variasi jenis seragam harian dan atribut pelengkap, mengisi keterbatasan dataset publik yang ada di mana dataset seragam Indonesia yang tersedia sebelumnya tidak mencakup atribut pelengkap dan memiliki jumlah citra yang sangat terbatas. Sistem SAPA (Sistem Absensi Pendeteksi Atribut) dikembangkan dengan pendekatan dua tahap dan mengintegrasikan empat model YOLOv11m, RT-DETR Large, RF-DETR Medium, dan MobileNetV2-SSD secara on-device tanpa ketergantungan server inferensi eksternal, dengan konversi masing-masing ke format TFLite, PyTorch Mobile, dan ONNX Runtime. Evaluasi pelatihan menghasilkan YOLOv11m sebagai model terbaik dengan mAP pada IoU nol koma lima sebesar nol koma sembilan satu tujuh, diikuti RT-DETR Large (nol koma delapan delapan lima) dan RF-DETR Medium (nol koma delapan empat enam), sementara MobileNetV2-SSD tidak mencapai konvergensi yang memadai (mAP kurang dari nol koma dua nol). Pengujian skenario lapangan dengan tiga ratus enam puluh unit mengungkap paradoks antara akurasi statis dan kelayakan real-time: RF-DETR Medium dan RT-DETR Large mencapai success rate seratus persen dan sembilan puluh enam koma tujuh persen namun hanya mampu di bawah satu FPS pada CPU sehingga tidak layak deployment, sedangkan YOLOv11m menjadi satu-satunya model yang memenuhi ambang kelayakan dengan success rate delapan puluh tujuh koma delapan persen dan tiga koma empat FPS. Temuan ini menunjukkan bahwa evaluasi model pada server GPU tidak dapat dijadikan satu-satunya acuan kelayakan deployment mobile. Pengujian fungsional Black Box terhadap dua puluh skenario mencapai keberhasilan seratus persen.