[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"doc-detail-122514-id":3,"doc-seo-122514-113":31,"detail-sidebar-cat-0-id-113":92},{"code":4,"msg":5,"data":6},0,"success",{"doc_id":7,"user_id":8,"nickname":9,"user_avatar":10,"doc_module":4,"category_id":11,"category_name":12,"doc_title":13,"doc_description":14,"doc_content":15,"file_id":16,"file_url":17,"file_type":18,"file_size":19,"view_count":20,"is_deleted":4,"is_public":21,"is_downloadable":21,"audit_status":21,"page_count":22,"language":23,"language_code":24,"site_id":25,"html_lang":24,"table_of_contents":26,"faqs":27,"seo_title":28,"seo_description":14,"update_tm":29,"read_time":30},122514,962085571259,"Theodora","https://ap-avatar.wpscdn.com/davatar_29158cc5080c5b710cf443261637dec0",54,"Penelitian & Laporan","Pengembangan Model Machine Learning untuk Deteksi Perilaku Siswa - Metode Penelitian CRISP-DM dan YOLOv11","Penelitian ini mengembangkan model machine learning berbasis computer vision untuk mendeteksi perilaku visual siswa sebagai indikator keterlibatan dalam pembelajaran kelas. Pendekatan penelitian menggunakan desain pengembangan (Research and Development/R&D) dengan kerangka CRISP-DM yang disesuaikan melalui tahapan Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, dan Deployment. Model memanfaatkan algoritma YOLOv11 untuk analisis citra real-time serta identifikasi perilaku utama membaca, menulis, dan mengangkat tangan, melalui pemilihan subset data, penyesuaian format anotasi bounding box, augmentasi, dan pembagian training/validation. ","BAB III METODE PENELITIAN  \n3.1 Jenis dan Pendekatan Penelitian  \nPenelitian ini menggunakan pendekatan kuantitatif dengan jenis penelitian pengembangan (Research and Development/R&D) . Fokus utama penelitian adalahpada proses perancangan, pelatihan, dan evaluasi model deteksi visual berbasis machine learning yang dikembangkan untuk mengenali perilaku siswa sebagai indikator keterlibatan dalam pembelajaran di kelas.  \nModel yang dikembangkan memanfaatkan algoritma You Only Look Once versi 11 (YOLOv11) sebagai fondasi teknis dalam mendeteksi perilaku visual siswa. Pendekatan ini memungkinkan pengolahan data citra secara real-time untuk mengidentifikasi perilaku seperti memperhatikan guru, mencatat, berbicara denganteman, atau melakukan perilaku lain yang relevan dengan keterlibatan belajar.  \nSebagai kerangka metodologis utama, penelitian ini mengadopsi CRISPDM (Cross-Industry Standard Process for Data Mining), model ini terdiri darienam tahapan utama, yaitu: Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, dan Deployment. Dalam penelitian ini, tahapan-tahapan tersebut disesuaikan untuk mendukung proses perancangan dan pengembangan model machine learning yang mampu mengenali perilaku visual siswa sebagai indikator keterlibatan dalam pembelajaran kelas.  \n3.2 Prosedur Penelitian  \nProsedur penelitian ini mengikuti alur kerja CRISP-DM (Cross-Industry Standard Process for Data Mining), sebuah kerangka metodologis yang digunakansecara luas dalam pengembangan sistem berbasis data. Pendekatan ini dipilihkarena bersifat fleksibel dan iteratif, memungkinkan adaptasi selama proses berlangsung. Enam fase utama dalam CRISP-DM digunakan untuk merancang sistem deteksi perilaku siswa berbasis computer vision yang dapat mengenali perilaku-perilaku visual selama proses pembelajaran berlangsung.  \nSecara garis besar, seluruh langkah dalam CRISP-DM akan diarahkan untuk membangun model pendeteksi perilaku siswa dengan algoritma YOLOv11, yang  \n39  \nMuhammad Sopian, 2025  \nPENGEMBANGAN MODEL MACHINE LEARNING UNTUK DETEKSI PERILAKU SISWA Universitas Pendidikan [Indonesia | repository.upi.edu | perpustakaan.upi.edu](Indonesia | repository.upi.edu | perpustakaan.upi.edu)  \n40  \nmampu mengidentifikasi tiga bentuk keterlibatan visual utama: membaca (read), menulis (write), dan mengangkat tangan (hand raising) . Keenam fase CRISP-DMakan diuraikan lebih lanjut dalam subbagian berikut.  \n3.2.1 Business Understanding  \nLangkah pertama adalah merumuskan permasalahan dan kebutuhan utamadalam pembelajaran. Fokus dalam fase ini adalah memahami bagaimana keterlibatan siswa selama proses belajar dapat dideteksi dan dinilai secara objektif menggunakan sistem berbasis data visual.  \nDalam penelitian ini, keterlibatan perilaku (behavioral engagement) dipilihsebagai aspek yang paling memungkinkan untuk diamati secara visual, berdasarkanindikator yang merujukpada perilaku fisik yang tampak seperti mencatat, membacamateri, atau berpartisipasi aktif dengan mengangkat tangan. Fase ini juga mencakupidentifikasi aktor (guru, siswa, sistem), pemetaan kebutuhan fungsional sistem, serta penentuan batasan teknis yang relevan untuk penelitian.  \n3.2.2 Data Understanding  \nTahapan ini diawali dengan melakukan eksplorasi awal terhadap dataset yang akan digunakan. Penelitian ini memanfaatkan SCB-Dataset5, sebuah dataset yang dikembangkan oleh Yang (2025), yang berisi lebih dari 7.000 gambar ruang kelas dengan total lebih dari 100.000 label perilaku siswa dan guru.  \nDataset ini sudah disertai anotasi bounding box yang dikemas dalam format teks, dengan struktur class ID dan koordinat lokasi objek. Anotasi tersebut memudahkan proses integrasi ke dalam pipeline pelatihan model berbasis YOLOv11. Namun demikian, karena penelitian ini hanya fokus pada tiga perilaku siswa yang relevan dengan keterlibatan belajar, yakni membaca, menulis, dan mengangkat tangan, maka langkah pertama yang akan dilakukan adalah memfilter data berdasarkan tiga label tersebut","cbCaiji530A38N6J","https://ap.wps.com/l/cbCaiji530A38N6J","pdf",655525,3,1,9,"Indonesian","id",113,"# BAB III METODE PENELITIAN\n## 3.1 Jenis dan Pendekatan Penelitian\n## 3.2 Prosedur Penelitian\n### 3.2.1 Business Understanding\n### 3.2.2 Data Understanding\n### 3.2.3 Data Preparation\n### 3.2.4 Modeling","[{\"question\":\"Apa fokus utama penelitian dalam mengembangkan model deteksi perilaku siswa?\",\"answer\":\"Penelitian berfokus pada perancangan, pelatihan, dan evaluasi model deteksi visual berbasis machine learning untuk mengenali perilaku siswa sebagai indikator keterlibatan belajar di kelas.\"},{\"question\":\"Mengapa penelitian menggunakan CRISP-DM dalam prosedur pengembangan sistem?\",\"answer\":\"CRISP-DM dipilih karena bersifat fleksibel dan iteratif, sehingga dapat mendukung proses perancangan dan pengembangan model deteksi perilaku siswa berbasis computer vision.\"},{\"question\":\"Perilaku siswa apa saja yang dijadikan kelas utama untuk deteksi pada penelitian ini?\",\"answer\":\"Penelitian menentukan tiga bentuk keterlibatan visual utama, yaitu membaca (read), menulis (write), dan mengangkat tangan (hand raising).\"}]","Pengembangan Model Machine Learning untuk Deteksi Perilaku Siswa - Metode Penelitian CRISP-DM dan YOLOv11 | PDF",1785811029,14,{"code":4,"msg":32,"data":33},"ok",{"site_id":25,"language":24,"slug":34,"title":13,"keywords":35,"description":14,"schema_data":36,"social_meta":87,"head_meta":89,"extra_data":91,"updated_unix":29},"development-of-a-machine-learning-model-for-student-behavior-detection-research-methodology-crisp-dm-and-yolov11","",{"@graph":37,"@context":86},[38,54,69],{"@type":39,"itemListElement":40},"BreadcrumbList",[41,45,49,51],{"item":42,"name":43,"@type":44,"position":21},"https://docshare.wps.com","Home","ListItem",{"item":46,"name":47,"@type":44,"position":48},"https://docshare.wps.com/id/document/","Document",2,{"item":50,"name":12,"@type":44,"position":20},"https://docshare.wps.com/id/document/penelitian-laporan/",{"item":52,"name":13,"@type":44,"position":53},"https://docshare.wps.com/id/document/development-of-a-machine-learning-model-for-student-behavior-detection-research-methodology-crisp-dm-and-yolov11/122514/",4,{"url":52,"name":13,"@type":55,"author":56,"headline":13,"publisher":58,"fileFormat":61,"inLanguage":24,"description":14,"dateModified":62,"datePublished":63,"encodingFormat":61,"isAccessibleForFree":64,"interactionStatistic":65},"DigitalDocument",{"name":9,"@type":57},"Person",{"url":42,"name":59,"@type":60},"DocShare","Organization","application/pdf","2026-08-16","2026-08-04",true,{"@type":66,"interactionType":67,"userInteractionCount":20},"InteractionCounter",{"@type":68},"ViewAction",{"@type":70,"mainEntity":71},"FAQPage",[72,78,82],{"name":73,"@type":74,"acceptedAnswer":75},"Apa fokus utama penelitian dalam mengembangkan model deteksi perilaku siswa?","Question",{"text":76,"@type":77},"Penelitian berfokus pada perancangan, pelatihan, dan evaluasi model deteksi visual berbasis machine learning untuk mengenali perilaku siswa sebagai indikator keterlibatan belajar di kelas.","Answer",{"name":79,"@type":74,"acceptedAnswer":80},"Mengapa penelitian menggunakan CRISP-DM dalam prosedur pengembangan sistem?",{"text":81,"@type":77},"CRISP-DM dipilih karena bersifat fleksibel dan iteratif, sehingga dapat mendukung proses perancangan dan pengembangan model deteksi perilaku siswa berbasis computer vision.",{"name":83,"@type":74,"acceptedAnswer":84},"Perilaku siswa apa saja yang dijadikan kelas utama untuk deteksi pada penelitian ini?",{"text":85,"@type":77},"Penelitian menentukan tiga bentuk keterlibatan visual utama, yaitu membaca (read), menulis (write), dan mengangkat tangan (hand raising).","https://schema.org",{"og:url":52,"og:type":88,"og:title":13,"og:site_name":59,"og:description":14},"article",{"robots":90,"canonical":52},"index,follow",{"doc_id":7,"site_id":25},{"code":4,"msg":5,"data":93},[94,99,103,107,111,115,117,121,125,129,133],{"id":95,"doc_module":4,"doc_module_name":47,"category_name":96,"show_sort_weight":97,"slug":98},55,"Agama & Spiritualitas",60,"religion-spirituality",{"id":100,"doc_module":4,"doc_module_name":47,"category_name":101,"show_sort_weight":97,"slug":102},48,"Cerita & Novel","story-novel",{"id":104,"doc_module":4,"doc_module_name":47,"category_name":105,"show_sort_weight":97,"slug":106},56,"Gaya Hidup","lifestyle",{"id":108,"doc_module":4,"doc_module_name":47,"category_name":109,"show_sort_weight":97,"slug":110},51,"Komik","comic",{"id":112,"doc_module":4,"doc_module_name":47,"category_name":113,"show_sort_weight":97,"slug":114},53,"Layanan Kesehatan","healthcare",{"id":11,"doc_module":4,"doc_module_name":47,"category_name":12,"show_sort_weight":97,"slug":116},"research-report",{"id":118,"doc_module":4,"doc_module_name":47,"category_name":119,"show_sort_weight":97,"slug":120},49,"Sastra","literature",{"id":122,"doc_module":4,"doc_module_name":47,"category_name":123,"show_sort_weight":97,"slug":124},52,"Teknologi","technology",{"id":126,"doc_module":4,"doc_module_name":47,"category_name":127,"show_sort_weight":97,"slug":128},50,"Ujian","exam",{"id":130,"doc_module":4,"doc_module_name":47,"category_name":131,"show_sort_weight":97,"slug":132},57,"Umum","general",{"id":134,"doc_module":4,"doc_module_name":47,"category_name":135,"show_sort_weight":4,"slug":136},181,"Formulir","formulir"]