Inovasi EMOKIDS : Alat Pendeteksi Emosi Pada Anak Berbasis Image Processing Dan Extreme Machine Learning Untuk Meningkatkan Mental Siswa Kelas 2 Pada Pendidikan Jasmani Dan Kesehatan Anak Di SD.

Yusuf Harahap, Mawar Sari, Vanny Nurjannah, Nurhana Fatika Sari, Latifa Hanum, Amelia Primadani, Dyra Amanda, Khairunnisa Putri, Mustika Roudhoh, Luthfia Nurafrisa, Nazwa Resya, Sahara Febriola, Adinda Lestari, Syafira Khairunnisa, Cindy Aulia

Abstract


Tujuan utamanya adalah untuk meningkatkan kesehatan mental siswa kelas 2 Sekolah Dasar dalam mata pelajaran pendidikan jasmani dan kesehatan. Di era perkembangan teknologi informasi dan kecerdasan buatan, muncul peluang besar untuk menciptakan sistem yang mampu memantau dan mendeteksi emosi anak secara real-time, sehingga memberikan dukungan emosional yang lebih akurat dan tepat sasaran dalam konteks pendidikan. Pendekatan literature review untuk menganalisis teori-teori terkait deteksi emosi, pengolahan citra wajah, dan penerapan EML dalam dunia pendidikan. Dari hasil kajian pustaka, EMOKIDS diharapkan dapat mengenali emosi dasar siswa, seperti bahagia, marah, takut, dan cemas, yang memiliki pengaruh langsung terhadap keterlibatan mereka dalam aktivitas pendidikan jasmani. Analisis menunjukkan bahwa pemantauan emosi melalui ekspresi wajah dapat menciptakan lingkungan belajar yang lebih inklusif. Hal ini mempermudah guru dalam memberikan intervensi yang sesuai berdasarkan kondisi emosional siswa, terutama pada siswa yang menghadapi tantangan emosional selama proses pembelajaran.Penggunaan teknologi EML dalam pengolahan data menjadi salah satu keunggulan utama alat ini. Dengan mendeteksi emosi anak secara efektif, EMOKIDS diharapkan dapat menjadi alat yang mendukung peningkatan kesehatan mental siswa. Teknologi ini memungkinkan guru untuk memahami lebih baik kebutuhan emosional siswa dan memberikan pendekatan pengajaran yang lebih personal dan sesuai. Alat ini juga berpotensi meningkatkan partisipasi siswa dalam pembelajaran, khususnya pada pendidikan jasmani, di mana tantangan fisik dan sosial dapat memengaruhi motivasi dan kenyamanan siswa

Keywords


EMOKIDS, deteksi emosi, image processing, extreme machine learning, pendidikan jasmani, kesehatan mental anak.

Full Text:

PDF

References


Aggarwal, C. C. (2018). Data Mining: The Textbook. Springer. Bandura, A. (1977). Teori Pembelajaran Sosial. Prentice-Hall.

Bloom, BS (1956). Taksonomi Tujuan Pendidikan: Klasifikasi Tujuan Pendidikan. Longmans, Hijau.

Cavoukian, A. (2010). Privasi berdasarkan Desain: 7 Prinsip Dasar. Komisaris Informasi dan Privasi Ontario.

Chen, C., Wang, Y., & Zhang, L. (2018). "Extreme machine learning for emotional recognition in children". Journal of Artificial Intelligence and Soft Computing Research, 8(2), 95-102.

Ekman, P. (1993). Perbedaan universal dan budaya dalam ekspresi wajah emosi. Dalam JS Adolphs & GFH (Eds.), Psikologi Ekspresi Wajah (hlm. 131-150). Pers Universitas Cambridge.

Ekman, P., & Friesen, W. V. (1971). Konstanta lintas budaya dalam wajah dan emosi. Jurnal Kepribadian dan Psikologi Sosial, 17(2), 124–129.

Goleman, D. (1995). Kecerdasan Emosional: Mengapa itu bisa lebih penting daripada IQ. Buku Bantam.

Goodfellow, I., Bengio, Y., & Courville, A. (2016). Pembelajaran Mendalam. Pers MIT.

Huang, GB, Zhu, QY, & Siew, CK (2006). Mesin Pembelajaran Ekstrim: Skema Pembelajaran Baru Jaringan Saraf Feedforward. Prosiding Konferensi Bersama Internasional IEEE 2004 tentang Jaringan Saraf, 2, 985-990.

Nasir, A., & Efendi, D. (2018). Peran Teknologi dalam Meningkatkan Kecerdasan Emosional dalam Lingkungan Pendidikan. Jurnal Teknologi Pendidikan & Masyarakat, 21(4), 99-111.

Rosas, R., et al. (2013). "Empathy and emotional intelligence in education".The Journal of Educational Research, 106(1), 18-23.

Vygotsky, L. S. (1978). Mind in Society: The Development of Higher Psychological Processes. Harvard University Press.

Santrock, JW (2017). Anak-anak (edisi ke-12). Pendidikan McGraw-Hill.

Viola, P., & Jones, M. (2001). Deteksi Objek Cepat menggunakan Kaskade Fitur Sederhana yang Ditingkatkan. Prosiding Konferensi Masyarakat Komputer IEEE 2001 tentang Visi Komputer dan Pengenalan Pola, 1, 511-518.

Zong, Y., & Huang, GB. (2013). Mesin Pembelajaran Ekstrim untuk Klasifikasi dan Regresi. Transaksi IEEE tentang Sistem, Manusia, dan Sibernetika: Sistem, 43(6), 2222-2234




DOI: https://doi.org/10.30743/best.v7i2.10471

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.