dc.contributor.advisor |
Hulu, Elisati |
|
dc.contributor.author |
Rusli, Yehezkiel |
|
dc.date.accessioned |
2021-08-04T03:14:03Z |
|
dc.date.available |
2021-08-04T03:14:03Z |
|
dc.date.issued |
2020 |
|
dc.identifier.other |
skp39896 |
|
dc.identifier.uri |
http://hdl.handle.net/123456789/12021 |
|
dc.description |
1725 - FTIS |
en_US |
dc.description.abstract |
Salah satu olahraga yang sangat diminati oleh orang-orang dari dahulu adalah bulu tangkis.
Untuk dapat bermain bulu tangkis dengan baik, kemampuan memukul kok dengan raket sangat
diperlukan. Pada zaman dulu untuk mendapatkan pukulan yang akurat diperlukan pelatihan
dari seorang yang profesional. Akan tetapi seiring dengan perkembangan zaman, dirasakan
bahwa pengamatan dari pelatih belum tentu selalu akurat dan membutuhkan biaya yang cukup
besar. Cara lain untuk mengatasi ini adalah dengan menggunakan alat bantu yang dapat
mendeteksi jenis gerakan pukulan raket bulu tangkis untuk memeriksa apakah pukulan sudah
baik.
Pada penelitian ini dibangun sebuah embedded system yang diletakan pada raket yang dapat
mengambil data gerakan pukulan. Data pukulan ini dikirim ke sebuah perangkat lunak yang
dapat mendeteksi jenis gerakan raket bulu tangkis. Embedded system terdiri dari arduino dan
sensor accelerometer dan gyroscope. Data pukulan dikirim ke dalam basis data melalui web
service. Perangkat lunak dibangun dengan memanfaatkan prinsip pembelajaran mesin terarah
yaitu klasifikasi. Algoritma klasifikasi yang digunakan adalah algoritma k-Nearest Neighbor dan
membandingkan hasilnya dengan algoritma lain yaitu Support Vector Machine.
Pengujian dilakukan dengan mengumpulkan data latih yang digunakan oleh algoritma
klasfikasi untuk memprediksi gerakan. Kinerja dari kedua algoritma klasifikasi diukur dan
dibandingkan. Dari hasil pengujian, maka disimpulkan bahwa algoritma Support Vector Machine
lebih baik dari k-Nearest Neighbor karena algoritma Support Vector Machine memiliki kinerja
yang lebih baik dari algoritma k-Nearest Neightbor dan klasifikasi dengan algoritma Support
Vector Machine akan menghasilkan hasil yang lebih baik meskipun data latih yang digunakan
lebih sedikit. |
en_US |
dc.language.iso |
Indonesia |
en_US |
dc.publisher |
Program Studi Teknik Informatika Fakultas Teknologi Informasi dan Sains - UNPAR |
en_US |
dc.subject |
Bulu Tangkis |
en_US |
dc.subject |
Accelerometer |
en_US |
dc.subject |
Gyroscope |
en_US |
dc.subject |
Klasifikasi |
en_US |
dc.subject |
Support Vector Machine |
en_US |
dc.subject |
k-Nearest Neighbor |
en_US |
dc.title |
Pembangunan perangkat pendeteksi jenis gerakan raket bulu tangkis dengan algoritma K-Nearest Neighbor dan Support Vector Machine |
en_US |
dc.type |
Undergraduate Theses |
en_US |
dc.identifier.nim/npm |
NPM2016730043 |
|
dc.identifier.nidn/nidk |
NIDN0422046801 |
|
dc.identifier.kodeprodi |
KODEPRODI618#Teknik Informatika |
|