<![CDATA[Penelitian ini bertujuan mengembangkan dan mengevaluasi subsistem deteksi postur tubuh berbasis computer vision untuk memantau tingkat fokus belajar anak usia 5-7 tahun. Sistem menggunakan MediaPipe Pose untuk mendeteksi 33 landmark tubuh secara real-time, dengan memanfaatkan rata-rata koordinat Y kedua bahu dan ambang batas 0,25 untuk mengklasifikasikan postur duduk dan tidak duduk. Sistem diimplementasikan pada Raspberry Pi 5 dengan webcam Logitech C270, menggunakan Finite State Machine (FSM), SQLite untuk penyimpanan data sementara, dan Firebase untuk visualisasi pada dasbor web. Pengujian meliputi pengaruh jarak kamera, intensitas cahaya, akurasi deteksi, dan kinerja sistem. Hasil pengujian terhadap 47 sampel menunjukkan akurasi sebesar 87,23%, dengan 41 sampel terdeteksi benar dan 6 sampel tidak duduk salah diklasifikasikan sebagai duduk. Landmark bahu tetap dapat terdeteksi pada intensitas cahaya 100, 200, dan 314 lux, sedangkan peningkatan jarak kamera memengaruhi keandalan deteksi. Sistem terintegrasi menghasilkan rata-rata frame rate sebesar 10,91 FPS, latensi 90,75 ms, penggunaan memori 2,03% dari RAM 16 GB, utilisasi CPU sebesar 27%, dan suhu maksimum 69,7°C. Hasil penelitian menunjukkan bahwa subsistem yang dikembangkan layak digunakan sebagai parameter awal dalam pemantauan fokus belajar anak pada perangkat embedded, meskipun akurasi deteksi masih dipengaruhi oleh kalibrasi jarak kamera dan penyesuaian tinggi tripod terhadap tinggi badan anak.]]>
Copyrights © 2026
