Klasifikasi Pose Kepala Siswa Menggunakan EfficientNetV2 dengan Seat Position Embedding

Abstrak

Pemahaman terhadap arah perhatian visual siswa sangat penting dalam mengevaluasi keterlibatan mereka selama pembelajaran di kelas. Head Pose Estimation (HPE) menjadi metode yang efektif dalam mengidentifikasi focus atensi, namun penerapannya di kelas nyata sering terkendala oleh kualitas citra rendah dan posisi duduk siswa yang bervariasi yang menyebabkan metode regresi untuk memprediksi landmark wajah atau sudut Euler tidak optimal. Penelitian ini menggunakan pendekatan klasifikasi berbasis citra sebagai alternatif dan mengusulkan modifikasi arsitektur EfficientNetV2-S dengan menambahkan Seat Position Embedding (SPE) sebagai konteks spasial untuk meningkatkan akurasi klasifikasi pose kepala siswa. Dataset dikembangkan melalui rekaman langsung di kelas dan diproses menjadi 4.574 gambar pose kepala dengan lima label arah (atas, bawah, depan, kanan, kiri). Evaluasi dilakukan pada beberapa arsitektur CNN dengan dan tanpa SPE. Hasil menunjukkan bahwa penambahan SPE pada model yang diusulkan memperoleh akurasi sebesar 83,25%, melebihi akurasi model baseline pada 82,53%. Pendekatan ini terbukti efisien dalam mengurangi ambiguitas visual dan memberikan interpretasi lebih akurat terhadap atensi siswa.

Identifier

• DOI: https://doi.org/10.35957/jatisi.v12i3.12987
• OpenAlex: https://openalex.org/W4414087530