Pelanggaran tata tertib mahasiswa di lingkungan kampus, seperti merokok di area terlarang, berpakaian tidak sesuai ketentuan, serta makan dan minum di ruang kelas, merupakan masalah yang masih sering terjadi dan sulit ditindak secara efisien melalui sistem pelaporan manual. Penelitian ini bertujuan untuk merancang dan mengembangkan aplikasi Android bernama Smart PNJ Guard yang mampu mendeteksi dan melaporkan pelanggaran tata tertib secara otomatis menggunakan algoritma Convolutional Neural Network (CNN). Aplikasi ini dilengkapi dengan fitur login, registrasi, pelaporan dengan unggahan bukti foto, deteksi pelanggaran otomatis berbasis gambar, serta pengelolaan riwayat laporan. Fokus utama dalam penelitian ini adalah integrasi enam model CNN untuk klasifikasi enam jenis pelanggaran berbeda, yang dibangun menggunakan dua arsitektur jaringan yang berbeda untuk mendeteksi berbagai bentuk pelanggaran visual. Pengembangan aplikasi dilakukan menggunakan bahasa pemrograman Kotlin, framework Jetpack Compose, serta arsitektur MVVM, dengan integrasi model deep learning menggunakan TensorFlow Lite agar dapat berjalan secara efisien di perangkat mobile. Evaluasi sistem dilakukan melalui pengujian fungsional (Black Box), User Acceptance Testing (UAT), dan System Usability Scale (SUS). Hasil pengujian menunjukkan bahwa seluruh fitur berjalan sesuai ekspektasi dengan tingkat keberhasilan UAT mencapai 100% dan skor SUS rata-rata sebesar 85,18 yang tergolong “sangat baik”. Aplikasi ini berhasil mendigitalisasi alur pelaporan manual dan secara inovatif mengintegrasikan teknologi deteksi otomatis, sehingga menghadirkan sebuah pendekatan baru untuk mendukung pengawasan tata tertib di lingkungan kampus.