DETEKSI TINGKAT KEFOKUSAN SISWA DALAM PEMBELAJARAN MENGGUNAKAN ARSITEKTUR YOLOV26

Abstract

Tingkat kefokusan siswa selama pembelajaran berperan penting dalam mendukung pemahaman materi, partisipasi kelas, dan keberhasilan proses belajar. Namun, pengamatan fokus siswa secara manual masih memiliki keterbatasan karena bergantung pada persepsi guru, sulit dilakukan secara konsisten, dan kurang efektif pada kelas dengan jumlah siswa yang banyak. Kondisi kelas yang dinamis, perubahan posisi siswa, pencahayaan tidak stabil, serta objek yang saling bertumpukan juga membuat proses pengamatan menjadi lebih sulit. Penelitian ini bertujuan membangun sistem deteksi tingkat kefokusan siswa secara otomatis menggunakan arsitektur YOLOv26. Data penelitian terdiri atas dua kelas, yaitu focus dan not_focus, yang diperoleh dari Roboflow. Tahapan penelitian meliputi pengumpulan dataset, pra-pemrosesan data, pelatihan model, pengujian deteksi, dan evaluasi performa. Data dibagi menjadi data latih, validasi, dan uji. Pelatihan dilakukan selama seratus epoch menggunakan optimizer AdamW. Evaluasi dilakukan berdasarkan precision, recall, mean Average Precision atau mAP, serta confusion matrix. Hasil penelitian menunjukkan bahwa YOLOv26 memperoleh precision sebesar 89,6%, recall sebesar 88,7%, dan mAP sebesar 95,2%. Confusion matrix menunjukkan prediksi benar sebesar 97% pada kelas focus dan 96% pada kelas not_focus. Hasil ini menunjukkan bahwa YOLOv26 dapat membantu monitoring kefokusan siswa secara cepat, objektif, dan cukup akurat di lingkungan pembelajaran. Sistem ini juga berpotensi mendukung guru dalam mengevaluasi perhatian siswa secara berkelanjutan