Deteksi Antusiasme Siswa dalam Pembelajaran Daring Dengan YOLOV8

Abstract

Pada era pembelajaran daring, ekspresi wajah siswa menjadi indikator penting sebagai respon emosional terhadap materi pembelajaran. Ekspresi wajah memiliki peran yang signifikan dalam memahami tingkat pemahaman dan keterlibatan siswa dalam pembelajaran. Namun, penelitian sebelumnya hanya mencapai tingkat akurasi sebesar 87%. Penelitian ini bertujuan untuk meningkatkan akurasi menjadi 95,3% dengan menerapkan teknologi Face Expression Recognition (FER) menggunakan model YOLOv8. Dengan hasil yang lebih akurat, teknologi ini berpotensi memperkuat efektivitas pembelajaran daring dengan memungkinkan guru untuk secara tepat mengawasi respon emosional siswa dan menyusun pendekatan pembelajaran yang lebih sesuai. Metode yang digunakan terdiri dari beberapa tahap yang terstruktur. Tahap pertama adalah pengumpulan dataset ekspresi wajah, yang kemudian dilakukan pelabelan dan pembagian menjadi subset pelatihan dan pengujian. Selanjutnya, dilakukan pengaturan environment dan hyperparameter yang optimal. Penelitian ini dilaksanakan dengan tujuan meningkatkan akurasi dari penelitian sebelumnya, dengan fokus pada deteksi ekspresi wajah siswa dalam konteks pembelajaran daring. Hasil dari penelitian ini menunjukkan tingkat akurasi yang signifikan, mencapai 95,3%, dibandingkan dengan penelitian sebelumnya yang hanya mencapai 87%. Selain itu, waktu inferensi yang diperoleh dari model yang dikembangkan sangatlah cepat, hanya 0,62ms. Kedua pencapaian ini menandakan peningkatan yang substansial dalam kinerja sistem deteksi objek dan pengenalan ekspresi wajah siswa dalam konteks pembelajaran daring. Peningkatan akurasi memastikan bahwa respon emosional siswa terhadap materi pembelajaran dapat dideteksi dan diinterpretasikan dengan lebih baik, memungkinkan guru untuk merespons dengan lebih tepat sesuai dengan kebutuhan siswa. Hal ini berpotensi meningkatkan efektivitas pembelajaran secara keseluruhan. Selain itu, waktu inferensi yang sangat cepat juga memberikan keuntungan praktis yang besar, dengan waktu inferensi yang singkat, sistem dapat bekerja secara real-time, memungkinkan interaksi yang lebih lancar antara guru dan siswa dalam situasi pembelajaran yang sesungguhnya.