IMPLEMENTASI DEEP LEARNING MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK KLASIFIKASI GAYA BELAJAR SISWA BERDASARKAN EKSPRESI WAJAH SISWA SELAMA PROSES PEMBELAJARAN

sherly dwi puspita (Universitas Halu Oleo)
Sutardi (Universitas Halu Oleo)
L.M. Golok Jaya (Universitas Halu Oleo)
L.M. Bahtiar Aksara (Universitas Halu Oleo)
Andi Tenriawaru (Universitas Halu Oleo)
Isnawaty (Universitas Halu Oleo)

STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer
Vol. 5 No. 3 (2026): Agustus

Perbedaan gaya belajar siswa menjadi tantangan bagi guru dalam menentukan metode pembelajaran yang tepat, terutama pada kelas dengan jumlah siswa yang besar. Penelitian ini bertujuan mengembangkan sistem analisis respons afektif dan estimasi kecenderungan gaya belajar siswa secara otomatis berdasarkan ekspresi wajah selama proses pembelajaran tatap muka menggunakan metode Convolutional Neural Network (CNN). Data dikumpulkan melalui perekaman video pembelajaran di kelas XI.A4 SMA Negeri 1 Kendari dan diproses menggunakan Haar Cascade dan CSRT untuk menghasilkan 1.652 citra wajah yang terbagi ke dalam empat kelas ekspresi yaitu Tertarik, Fokus, Bingung, dan Bosan. Proses pelabelan divalidasi oleh dua anotator independen dengan nilai Cohen's Kappa (κ = 0,8138) dan Gwet's AC1 (AC1 = 0,8323) yang termasuk kategori Almost Perfect Agreement. Model CNN yang dibangun dengan arsitektur empat blok konvolusi bertingkat menghasilkan akurasi sebesar 94,76% pada data pengujian. Hasil klasifikasi ekspresi selanjutnya dipetakan ke kecenderungan gaya belajar berdasarkan model VARK melalui mekanisme majority voting dan diimplementasikan dalam sistem berbasis web bernama EduFace yang memungkinkan guru menganalisis kecenderungan gaya belajar siswa secara otomatis dari video pembelajaran tanpa memerlukan observasi manual.