Klasifikasi Gerakan Pencak Silat Menggunakan Convolutional Neural Network Berbasis Body Pose

Rahmawati, Vira Nur (2023) Klasifikasi Gerakan Pencak Silat Menggunakan Convolutional Neural Network Berbasis Body Pose. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 07111950050005-Master_Thesis.pdf Download (1MB)

Abstract

Pencak silat selain bermanfaat untuk perlindungan diri, juga memiliki banyak manfaat lainnya, seperti meningkatkan kekuatan fisik, menjaga postur tubuh, dan menjaga kesehatan jantung. Karena pandemi yang belakangan terjadi ini, latihan pencak silat sulit dilakukan secara bersama-sama. Selain itu, jika ada materi pelajaran pencak silat di sekolah, guru olahraga kesulitan untuk mengajarkan gerak secara langsung. Tetapi latihan pencak silat yang dilakukan sendiri tanpa pelatih dapat menyebabkan cedera jika gerakannya tidak benar. Oleh karena itu, penelitian ini membangun sistem pengenalan gerakan pencak silat. Sistem dibangun menggunakan metode CNN berbasis bodypose. Bodypose extraction digunakan untuk mendeteksi keypoint tubuh manusia, kemudian keypoint tersebut digunakan sebagai fitur input ke CNN untuk mengenali gerakan pada setiap frame. Sistem ini menggunakan CNN karena membutuhkan parameter yang lebih sedikit dan daya komputasi yang lebih sedikit sehingga dapat lebih mudah diterapkan untuk studi selanjutnya. Akurasi yang diperoleh mencapai 77% saat diuji pada data yang belum pernah digunakan. Model ini dapat digunakan sebagai titik awal untuk membuat sistem yang mudah digunakan untuk membantu orang berlatih pencak silat dengan gerakan yang lebih banyak.
================================================================================================================================
Pencak silat, besides from being useful for self-protection, also has many other benefits, such as increasing physical strength, maintaining posture, and maintaining heart health. Due to the recent pandemic, practicing pencak silat is difficult to do together. Even when there is study material on pencak silat at school, it is difficult for the sports teacher to teach the movements directly. Pencak silat exercises that are practiced alone without a coach can cause injury if the movements are not correct. Therefore, this study builds a system to recognize pencak silat movements. The system was built using the bodypose-based CNN method. Bodypose estimation is used to detect human body keypoints, then these keypoints are used as a feature for input to CNN to recognize movement in each frame. This system uses CNN because it requires fewer parameters and less computing power so that it can be more easily applied for further studies. The accuracy obtained reaches 77% when tested on data that has never been used. This model can be used as a starting point for creating an easy-to-use system to help people practice pencak silat with more recognizable moves.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	pencak silat, CNN, konvolusi, convolution, body pose, mediapipe
Subjects:	T Technology > T Technology (General) T Technology > T Technology (General) > T57.8 Nonlinear programming. Support vector machine. Wavelets. Hidden Markov models.
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20101-(S2) Master Thesis
Depositing User:	vira nur rahmawati
Date Deposited:	25 Jul 2023 08:22
Last Modified:	25 Jul 2023 09:02
URI:	http://repository.its.ac.id/id/eprint/99417

Actions (login required)

View Item