Perpustakaan Digital ITB

Emosi memengaruhi hasil pembelajaran seperti nilai, motivasi, kepuasan, minat, dan pemahaman. Namun, sulit bagi pengajar untuk menilai emosi pelajar dalam pembelajaran daring sinkronis karena kurangnya interaksi dan ruang layar yang terbatas. Penelitian ini bertujuan untuk mengembangkan dan menguji performa sistem dasbor berbasis aplikasi web yang berfungsi sebagai media pelaporan hasil pengenalan wajah dan emosi. Sistem yang diusulkan menggunakan teknologi web Next.js, FastAPI, MongoDB, dan Google Cloud Platform. Selain itu, model Convolutional Neural Networks (CNNs) digunakan untuk melakukan pengenalan wajah dan emosi secara real-time selama pembelajaran daring sinkronis. Dengan menangkap jendela konferensi video dan menganalisis wajah peserta melalui tangkapan layar, sistem ini menampilkan hasil pengenalan pada suatu dasbor. Metodologi penelitian yang digunakan adalah metode ilmiah yang meliputi studi literatur, pengembangan, eksperimen, dan pengujian kinerja sistem dasbor. Hasil penelitian menunjukkan bahwa sistem berhasil dikembangkan dengan performa front-end yang baik. Akan tetapi, diperlukan optimasi pada bagian back-end untuk meningkatkan kinerja, keandalan, ketersediaan, dan ketahanan layanan agar dapat digunakan oleh banyak pengguna sekaligus. Selain itu, untuk memastikan pendekatan pengujian yang lebih komprehensif dan tepat sasaran, tindak lanjut yang dapat dilakukan adalah menguji pengalaman pengguna dan/atau usability dari sistem.