YOLOV8 DETECTION FOR STUDENT DRESS CODE COMPLIANCE USING COMPUTER VISION

Geraldo Tan; Agung Saputra; Richardo Renzo Chandra; Radja Ardjuna Rithaudin Pua; Muhammad Akbar Maulana

doi:10.33330/jurteksi.v12i1.4350

Geraldo Tan Institut Bisnis dan Informatika Kwik Kian Gie
Agung Saputra Institut Bisnis dan Informatika Kwik Kian Gie
Richardo Renzo Chandra Institut Bisnis dan Informatika Kwik Kian Gie
Radja Ardjuna Rithaudin Pua Institut Bisnis dan Informatika Kwik Kian Gie
Muhammad Akbar Maulana Institut Bisnis dan Informatika Kwik Kian Gie

DOI: https://doi.org/10.33330/jurteksi.v12i1.4350

Keywords: compliance detection, computer vision, dress code regulations, real time detection, YOLOv8

Abstract

Abstract: The implementation of dress code regulations in university environments is generally still carried out conventionally, requiring significant time and effort and potentially leading to subjective assessments. This study develops an automatic student dress code compliance detection system using computer vision based on the YOLOv8 model. The dataset consists of 1,800 annotated images divided into eight clothing categories, split into 78% training (1,404 images), 14% validation (254 images), and 8% testing (143 images). All images underwent preprocessing and data augmentation before training the YOLOv8 model with an input size of 640×640 pixels for 50 epochs. During testing, the YOLOv8 model achieved an overall performance of Precision 0.844, Recall 0.773, F1-Score 0.802, and mAP@0.5 0.841, and was able to detect clothing objects with good accuracy and stable performance under various image conditions. The system was integrated with a Flask-based backend and a web-based frontend to enable real time detection and compliance classification, with a response time of less than 2 seconds, supporting automatic and consistent identification of student dress code compliance as “Compliant” or “Violation.”

Keywords: compliance detection; computer vision; dress code regulations; real time detection; YOLOv8.

Abstrak: Penerapan aturan berpakaian di lingkungan kampus umumnya masih dilakukan secara konvensional sehingga membutuhkan waktu dan tenaga yang relatif besar serta berpotensi menimbulkan subjektivitas penilaian. Penelitian ini bertujuan mengembangkan sistem pendeteksi kepatuhan berpakaian mahasiswa secara otomatis berbasis visi komputer menggunakan model YOLOv8. Dataset yang digunakan terdiri dari 1.800 citra beranotasi yang terbagi ke dalam 8 kategori pakaian, dengan pembagian data sebesar 78% data latih (1.404 citra), 14% data validasi (254 citra) dan 8% data uji (143 citra). Seluruh citra diproses melalui tahapan pre-processing dan data augmentation, kemudian digunakan untuk melatih model YOLOv8 dengan ukuran input 640×640 piksel selama 50 epoch. Pada tahap pengujian, model mencapai performa keseluruhan dengan Precision 0.844, Recall 0.773, F1-Score 0.802, dan mAP@0.5 0.841, serta mampu mendeteksi objek pakaian dengan akurasi baik dan performa stabil pada berbagai kondisi citra. Sistem kemudian diintegrasikan dengan backend berbasis Flask dan frontend web untuk mendukung proses deteksi waktu nyata dan klasifikasi kepatuhan, dengan waktu respons sistem kurang dari 2 detik, sehingga mampu mengidentifikasi status kepatuhan berpakaian mahasiswa ke dalam kategori “Aman” dan “Melanggar Aturan” secara otomatis dan konsisten.

Kata kunci: aturan berpakaian; deteksi waktu nyata; pendeteksi kepatuhan; visi komputer; YOLOv8.

References

Nurhayati et al., “Membangun In-tegritas Akademik: Studi Tentang Etika Dalam Pendidikan Tinggi,” Jurnal Review Pendidikan dan Pengajaran, vol. 8, no. 2, p. 6510, Jun. 2025.

A. C. RS, A. Mufarohah, and D. Angelina, “Peranan Tata Tertib Universitas dalam Menanamkan Perilaku Disiplin Mahasiswa,” Civics Education and Social Sci-ence Journal (CESSJ), vol. 5, no. 1, pp. 46–56, Jun. 2023.

Zuhrina Aidha et al., “Etika Ber-busana Mahasiswa Mahasiswi Fakultas Kesehatan Masyarakat Universitas Islam Negeri Sumatera Utara Medan,” Jurnal Ilmiah Kesehatan Mandira Cendikia, vol. 4, no. 6, pp. 16–29, Jun. 2025.

R. Adawiah, “Hubungan Penge-tahuan Busana dengan Etika Ber-busana pada Mahasiswi,” Keluar-ga: Jurnal Ilmiah Pendidikan Kesejahteraan Keluarga, vol. 8, pp. 140–148, Sep. 2022.

Lenawati, “Implementasi Pera-turan Tata Cara Berpakaian di Ju-rusan Ilmu Sosial Politik Universi-tas Negeri Padang,” Jurnal Siber Multi Disiplin, vol. 1, no. 1, pp. 30–6, Apr. 2023.

J. C. Waruwu, “Tingkat Kesadaran Hukum Mahasiswa Terhadap Peraturan Kampus,” PAKEHUM: Jurnal Ilmu Pendidikan Pancasila, Kewarganegaraan, dan Hukum, vol. 2, no. 2, p. 87, Aug. 2025.

N. Ramadhani, M. N. Islami, M. Noherman, and H. Agustin, “Transformasi Sistem Pengawasan Keamanan Melalui Aplikasi Patroli Berbasis Qr & Gps Di Pt. Adonara Bakti Bangsa,” Jurnal Ekonomi KIAT, vol. 35, no. 2, pp. 30–36, Dec. 2024.

A. Sopian, D. Setiadi, A. Suryatno, and R. Agustino, “Computer Vision: Deteksi Masker Wajah Prediksi Usia Jenis Kelamin dengan Teknik Deep Learning Menggunakan Algoritma Convo-lutional Neural Network (CNN),” Jurnal Teknologi Informatika dan Komputer, vol. 10, no. 2, pp. 720–733, Nov. 2024.

Visen and C. Novrido, “Penerapan Object Detection Menggunakan Deep Learning Yolov8 Untuk Mengidentifikasi Sampah Anor-ganik (Maksimal Sepuluh Objek) Dalam Satu Citra,” Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), vol. 12, p. 195, Feb. 2025.

Y. K. Rohiman, Bulkis Kanata, and L Ahmad S Irfan Akbar, “De-teksi dan Klasifikasi Kendaraan Berbasis Algoritma You Only Look Once (Yolov7),” Bulletin of Computer Science Research, vol. 5, no. 3, pp. 268–276, Apr. 2025.

Y. Arvio, D. T. Kusuma, and I. B. M. Sangadji, “Inorganic Waste Detection Application Using Smart Computing Technology with YOLOv8 Method,” Sinkron: jurnal dan penelitian teknik in-formatika, vol. 8, no. 4, pp. 2389–2396, Oct. 2024.