Implementasi Computer Vision pada Media Belajar Kode Semaphore Pramuka Berbasis YOLO-Pose

Kegiatan Pramuka di Indonesia memiliki peran penting dalam membentuk karakter dan keterampilan peserta didik, salah satunya melalui pembelajaran sandi semaphore sebagai sarana komunikasi visual. Proses pembelajaran sandi semaphore sering kali menghadapi tantangan dalam hal pemahaman dan penerjemahan gerakan secara tepat, terutama bagi anggota baru. Penelitian ini bertujuan untuk mengembangkan sistem media pembelajaran berbasis computer vision menggunakan algoritma YOLO-Pose untuk mendeteksi dan menerjemahkan gerakan semaphore secara real-time melalui antarmuka website berbasis Laravel. Dataset yang digunakan terdiri dari 650 gambar pose huruf A–Z yang dikumpulkan dari 16 peserta dan dianotasi menggunakan platform Roboflow. Data kemudian melalui tahapan preprocessing, splitting (70% data latih, 20% data uji, dan 10% data validasi), serta pelatihan model di Google Colab dengan pretrained YOLO- Pose. Evaluasi model menggunakan metrik confusion matrix, precision, recall, dan mean Average Precision (mAP). Hasil pengujian menunjukkan model mampu mendeteksi gerakan dengan nilai precision sebesar 0,91, recall 0,89, dan mAP mencapai 94,3% pada epoch ke-150. Model juga menunjukkan performa yang stabil dalam berbagai kondisi pencahayaan dan variasi posisi tubuh. Implementasi sistem ini terbukti dapat meningkatkan efektivitas dan interaktivitas pembelajaran sandi semaphore, sekaligus memberikan pengalaman belajar yang lebih menarik dan akurat. Selain itu, sistem ini berpotensi dikembangkan lebih lanjut untuk bidang pelatihan SAR, komunikasi visual, dan aplikasi pendidikan berbasis deteksi pose tubuh manusia.0