IMPLEMENTASI ARTIFICIAL NEURAL NETWORK UNTUK IDENTIFIKASI GERAKAN YOGA SECARA REAL-TIME

Rismawati (2024) IMPLEMENTASI ARTIFICIAL NEURAL NETWORK UNTUK IDENTIFIKASI GERAKAN YOGA SECARA REAL-TIME. PROGRAM STUDI SARJANA TEKNOLOGI INFORMASI FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SARI MULIA BANJARMASIN 2024.

[img] Text
Rismawati Skripsi - Risma.pdf

Download (10MB)

Abstract

Latar Belakang: Peningkatan signifikan pengguna perangkat seluler di Indonesia mencerminkan perubahan drastis dalam kebiasaan manusia, mengarah pada pergeseran dari interaksi tatap muka ke interaksi virtual. Meskipun teknologi telah meningkatkan kenyamanan, dampaknya terhadap frekuensi dan kualitas interaksi sosial serta aktivitas fisik dapat memengaruhi kesehatan fisik dan mental. Tujuan: Penelitian ini bertujuan untuk merancang, mengimplementasikan dan mengetahui kinjerja algoritma ANN pada sistem identifikasi gerakan yoga secara real-time. Metode: Penelitian ini menggunakan eksperimental dengan unsur pengembangan sistem dan algoritma ANN untuk klasifikasi dalam mengidentifikasi data yang didapat dari public dataset serta dari internet dengan jumlah total data 2157 yang berisikan 10 jenis jenis yoga. Dilakukan 4 kali percobaan dengan berbagai variasi arsitektur model dan variasi pelatihan. Hasil: Dari percobaan yang dilakukan, hasil menunjukkan bahwa percobaan 1 mendapat akurasi sebesar 96%, percobaan 2 sebesar 98%, percobaan 3 sebesar 97%, dan percobaan 4 sebesar 13%. Dengan demikian, penerapan artificial neural network (ANN) untuk identifikasi gerakan yoga mampu mencapai tingkat akurasi hingga 98%. Simpulan: Meskipun demikian, ditemukan beberapa keterbatasan, termasuk sensitivitas terhadap variasi posisi awal, keterbatasan pada jumlah dataset, serta tantangan dalam menangani underfitting pada tahap pelatihan. Implementasi pada platform tertentu, seperti Google App Engine, juga terhambat oleh kendala teknis terkait penggunaan OpenCV.

Item Type: Skripsi
Kata Kunci Tidak Terkontrol: ann, identifikasi, klasifikasi, yoga
Subjects: Q Science > Q Science (General)
Fakultas: FAKULTAS SAINS DAN TEKNOLOGI
Pengguna Penyetoran: Rahman Perpustakaan UNISM
Tanggal Setoran: 04 Apr 2024 04:11
Last Modified: 04 Apr 2024 04:12
URI: http://repository.unism.ac.id/id/eprint/3117

Actions (login required)

View Item View Item