Pemantauan objektif terhadap minat belajar merupakan tantangan karena sifatnya yang internal, sehingga memerlukan indikator eksternal yang dapat diamati. Penelitian ini mengembangkan sistem deteksi pose tubuh berbasis visi komputer untuk memantau potensi penurunan fokus belajar melalui analisis kemiringan tubuh bagian atas. Sistem memanfaatkan webcam sebagai masukan video secara waktu nyata, serta pustaka Python seperti MediaPipe Pose untuk ekstraksi titik penanda tubuh, OpenCV untuk akuisisi citra, dan NumPy untuk perhitungan sudut. Dua pendekatan pengukuran sudut diterapkan, yaitu vektor antara bahu tengah dan pinggul tengah, serta vektor antara bahu tengah dan telinga tengah, masing-masing mengklasifikasikan pose ke dalam dua kategori yaitu “Tegak” dan “Miring”, berdasarkan ambang sudut tertentu. Implementasi mencakup deteksi titik penanda secara otomatis, perhitungan sudut menggunakan fungsi trigonometri atan2, klasifikasi berbasis ambang, visualisasi status pose, dan pencatatan hasil dalam format CSV. Evaluasi sistem dilakukan terhadap 200 sampel uji awal dan tambahan 200 sampel untuk metode alternatif dengan menggunakan pengukuran manual sebagai data acuan. Hasil menunjukkan bahwa pendekatan awal mencapai akurasi sebesar 58,50% dengan nilai F1 Score sebesar 65,55%, sedangkan pendekatan alternatif menggunakan vektor telinga tengah mencapai akurasi 86,50%, dengan presisi sebesar 93,10%, recall sebesar 88,81%, dan F1 Score sebesar 90,90%. Sistem beroperasi secara waktu nyata tanpa memerlukan perangkat keras khusus dan berpotensi menjadi alat pemantauan pose non-invasif untuk mendukung aktivitas pembelajaran. Namun, disarankan integrasi mekanisme adaptasi morfologi individu dan klasifikasi berbasis pembelajaran mesin untuk meningkatkan akurasi dan fleksibilitas sistem.