Sistem Deteksi Cerdas Warna Pakaian Dosen Berdasarkan Jadwal Menggunakan YOLOv8

Abstract

Penelitian ini menyajikan pengembangan sistem pemantauan cerdas secara real-time untuk mengevaluasi kepatuhan dosen terhadap kebijakan aturan pakaian institusi menggunakan algoritma deteksi objek YOLOv8. Sistem ini dirancang untuk secara otomatis mengidentifikasi warna dominan pada pakaian dosen, memverifikasi keberadaan motif atau logo resmi institusi, serta mencocokkannya dengan jadwal aturan pakaian harian. Dataset khusus dikumpulkan dan dianotasi melalui Roboflow, yang terdiri dari kategori warna, variasi motif, logo institusi, dan data identitas wajah untuk keperluan verifikasi dosen. Model YOLOv8 dilatih agar mampu mendeteksi atribut pakaian secara akurat, sementara modul tambahan berbasis Python digunakan untuk mencocokkan fitur yang terdeteksi dengan aturan pakaian harian. Pengujian real-time dilakukan menggunakan input CCTV pada berbagai kondisi pencahayaan dan latar belakang. Sistem menunjukkan kinerja yang stabil dalam mendeteksi warna dan mencocokkannya dengan aturan, dengan hasil yang konsisten pada lingkungan dalam ruangan. Penelitian ini menawarkan pendekatan praktis dan inovatif untuk mengotomasi penegakan aturan pakaian di lingkungan akademik. Metode yang diusulkan menyediakan kerangka kerja yang efisien untuk mengintegrasikan solusi computer vision ke dalam kebutuhan operasional kampus dan berpotensi dikembangkan lebih lanjut untuk sistem monitoring kepatuhan dan kedisiplinan yang lebih luas