Perilaku abnormal dapat terjadi pada hewan-hewan seperti hewan peternakan, peliharaan ataupun satwa liar, dan perilaku ini dipengaruhi pada jenis spesies, stres, ataupun kebebasan dan kesejahteraannya. Perilaku abnormal ini dapat berdampak negatif baik kepada kesejahteraan hewan, ataupun keselamatan manusia, dimana pada tahun 2023 di Kota Sungai Penuh itu sendiri, terdapat 30 kasus gigitan hewan peliharaan, belum menghitung kota atau provinsi lain. Untuk mengatasi hal ini, penelitian ini merancang sebuah sistem klasifikasi perilaku abnormal pada hewan peliharaan dengan memanfaatkan arsitektur Convolutional Neural Network (CNN) sebagai dasar fondasi untuk klasifikasi data gambar. Selain itu, juga akan digunakan Generative Adversarial Network (GAN) untuk menghasilkan data sintetik untuk
meningkatkan jumlah data untuk pelatihan model. Hasil pengujian menunjukkan bahwa model VGG memberikan performa terbaik pada dengan accuracy sebesar 0.80, precision 0.80, recall 0.80, dan F1-score 0.80. Pengujian fungsionalitas
menunjukkan tingkat keberhasilan 100%, sedangkan User Acceptance Testing memperoleh nilai 83,14% dan System Usability Scale memperoleh skor 78, yang menunjukkan bahwa aplikasi dapat digunakan dan diterima dengan baik oleh pengguna.