DETEKSI WAJAH DAN PENGENALAN EKSPRESI SISWA SD MENGGUNAKAN MODEL YOLOV8 DAN RESNET50 UNTUK MENGUKUR KETERTARIKAN TERHADAP MATA PELAJARAN

Penilaian ketertarikan siswa terhadap mata pelajaran menjadi tantangan dalam proses pembelajaran karena keterbatasan observasi manual yang bersifat subjektif. Untuk mengatasi permasalahan tersebut, Penelitian ini bertujuan untuk mengembangkan sistem berbasis deep learning yang memanfaatkan kombinasi model YOLOv8 untuk deteksi wajah dan ResNet50 untuk pengenalan ekspresi guna untuk mengukur tingkat ketertarikan siswa SD terhadap materi pelajaran. Dataset yang digunakan diperoleh dari SDN 104251 Karang Anyar berupa 108 gambar dan video berdurasi 15 detik, yang kemudian diolah melalui proses augmentasi dan anotasi. Sistem yang dikembangkan diuji melalui beberapa metrik evaluasi. Hasil pengujian menunjukkan model YOLOv8 memiliki presisi deteksi wajah mencapai 99% dengan metrik mAP50 sebesar 99,5% dan mAP50-95 sebesar 86%. Sementara itu, model ResNet50 digunakan untuk mengklasifikasikan ekspresi wajah menjadi tiga kategori ketertarikan, yaitu tertarik, netral, dan tidak tertarik dengan akurasi akhir sebesar 76% dan F1-score sebesar 76,3% setelah proses fine-tuning. Hasil pengujian menunjukkan bahwa kombinasi YOLOv8 dan ResNet50 mampu mendeteksi wajah dan mengenali tingkat ketertarikan siswa dengan akurasi cukup, serta memberikan laporan statistik mengenai distribusi ketertarikan siswa dalam sesi pembelajaran. Hasil ini menunjukkan bahwa integrasi model deteksi dan klasifikasi dapat menjadi pendekatan yang efektif untuk mendukung pembelajaran di kelas.