Penelitian ini bertujuan untuk mengenali ekspresi wajah anak PAUD dalam situasi pembelajaran menggunakan metode You Only Look Once (YOLO). Penelitian ini berfokus pada analisis tujuh jenis ekspresi wajah, yaitu kegembiraan, kekecewaan, ketertarikan, kebosanan, kenikmatan, kesedihan, dan rasa malu. Selain itu, penelitian ini juga menguji akurasi YOLO dalam mendeteksi ekspresi emosi serta mengidentifikasi gender anak PAUD selama proses pembelajaran. Metode yang digunakan dalam penelitian ini adalah YOLOv8, yang diterapkan untuk mendeteksi ekspresi wajah dan gender berdasarkan gambar yang diambil secara real-time maupun dari dataset gambar. Dataset yang digunakan untuk deteksi ekspresi wajah terdiri dari 3.122 gambar untuk pelatihan, 2.793 gambar untuk validasi, dan 166 gambar untuk pengujian. Sementara itu, dataset . Dataset yang digunakan untuk deteksi gender terdiri dari 3452 untuk deteksi gender terdiri dari 3.186 gambar untuk validasi dan 133 gambar untuk pelatihan. Hasil pelatihan model menunjukkan bahwa model YOLOv8 mencapai akurasi pelatihan sebesar 81,9% dan akurasi validasi 60,1% untuk deteksi ekspresi wajah, sedangkan untuk deteksi gender, model mencapai akurasi pelatihan sebesar 97.9% dan akurasi validasi 76.6%. Berdasarkan hasil penelitian, disarankan untuk menambah jumlah dataset pada ekspresi yang kurang terwakili, melakukan pengujian lebih lanjut dalam kondisi nyata, serta mempertimbangkan penggunaan dataset anak SD atau SMP yang lebih mampu mendeskripsikan emosi mereka dengan lebih jelas dibandingkan anak PAUD.

This study aims to recognize the facial expressions of preschool children (PAUD) during learning activities using the You Only Look Once (YOLO) method. The research focuses on analyzing seven types of facial expressions: happiness, disappointment, interest, boredom, enjoyment, sadness, and embarrassment. Additionally, it evaluates the accuracy of YOLO in detecting these emotions and identifying the gender of preschool children during the learning process. The method used in this study is YOLOv8, applied to detect facial expressions and gender based on images captured in real-time or from a dataset. The dataset for facial expression detection consists of 3,122 images for training, 2,793 images for validation, and 166 images for testing. Meanwhile, the dataset for gender detection includes 3,186 images for validation and 133 images for training. The results of model training indicate that YOLOv8 achieved a training accuracy of 81.7% and a validation accuracy of 59.4% for facial expression detection. For gender detection, the model achieved a training accuracy of 97.9% and a validation accuracy of 76.6%. Based on the findings, it is recommended to increase the dataset size for underrepresented expressions, conduct further testing in real-world conditions, and consider using datasets from elementary or middle school children, as they are more capable of describing their emotions compared to preschool children.