Sistem Klasifikasi Atlet Basket di KONI Kota Bandung
Abstrak
Abstrak—Kebutuhan manusia terhadap teknologi kini semakin mendalam, seperti kebutuhan untuk mendeteksi objek secara otomatis. Sistem pendeteksi objek secara otomatis dapat membantu dalam mendapatkan data mengenai identifikasi suatu objek. Hal ini juga sangat diperlukan di KONI Kota Bandung untuk mengklasifikasikan atlet berdasarkan cabang olahraga seperti basket, futsal, anggar, volly, silat, dsb. Dalam rangka membantu KONI Kota Bandung, maka pada proyek akhir ini dirancang suatu system prototipe untuk megukur bagian tubuh atlet berbasis image processing. Adapun cabang olahraga yang dijadikan objek pada proyek akhir ini adalah basket, akuisisi dilakukan di KONI Kota Bandung dengan memotret para atlet menggunakan kamera EOS 1300D. Metoda yang digunakan untuk mendeteksi postur para atlet adalah dengan membandingkan algoritma Mediapipe dan Openpose menggunakan bahasa pemrograman Python. Pada proyek akhir ini menggunakan 27 citra dataset yang diambil secara langsung di KONI Kota Bandung. Kemudian dilakukan augmentasi menjadi 67 citra. Dari 67 citra, 27 citra digunakan untuk proses training dan 40 citra digunakan untuk testing. Dari hasil pengujian klasifikasi atlet basket dan bukan basket pada 40 citra, algoritma Mediapipe memperoleh tingkat akurasi 60%, sedangkan Openpose memperoleh tingkat akurasi lebih tinggi 80%.
Kata Kunci—Image Processing, Pose Estimation, Basket, Mediapipe, Openpose
Referensi
REFERENSI
I. Mahfud, R. Yuliandra, and A. Gumantan,
SEPAKBOLA UNTUK PEMULA USIA
SMA,= Sport Sci. Educ. J., vol. 1, no. 2, 2020,
doi: https://doi.org/10.33365/ssej.v1i2.823.
R. M. Kurniawan, T. N. Damayanti, and D.
Rimasa,
Tubuh Pada Atlet Di Koni Kota Bandung
Berbasis Image Processing,= eProceedings
Appl. Sci., vol. 7, no. 4, 2021, [Online].
Available:
https://openlibrarypublications.telkomuniversit
y.ac.id/index.php/appliedscience/artic
le/view/15279.
S. AULIA, F. E. SATRIA, and R. D.
ATMAJA,
Berat Badan berbasis Morphological Image
Processing,= ELKOMIKA J. Tek. Energi
Elektr. Tek. Telekomun. Tek. Elektron., vol. 6,
no. 2, p. 219, 2018, doi:
26760/elkomika.v6i2.219.
N Zheng, C., Wu, W., Yang, T., Zhu, S.,
Chen, C., Liu, R., ... & Shah, M. (2020). Deep
learning-based human pose estimation: A
survey. arXiv preprint arXiv:2012.13392.
Z. Cao, G. Hidalgo, T. Simon, S.-E. Wei,
and Y. Sheikh, "OpenPose: realtime multiperson 2D pose estimation using part affinity
fields", IEEE Trans. Pattern Anal. Mach.
Intell., vol. 43, no. 1, pp. 172–186, Jan. 2021.
Candra, Oki. Keterampilan Lay Up Shoot
Bola Basket. Surabaya: Media Sahabat
Cendekia. hlm. 2. 2019. ISBN 978-602-
-7-0.
Sutoyo,T,Dkk. Teori Pengolahan Citra Digital.
Yogyakarta: Andi Offset.2009.
P. Covid- et al.,
Pemrograman Daring dalam Pembelajaran
Probabilitas dan Statistika di Masa Pandemi
CoVID-19,= J. Tek. Inform., vol. 15, no. 4, pp.
–264, 2020, doi:
35793/jti.15.3.2020.31685.
I. N. Dedi Ary Prasetya,
metode viola jones pada opencv
menggunakan pemrograman python,= Simp.
Nas. RAPI XI FT UMS, pp. 18–23, 2012,
[Online]. Available: http://ejournal.stikomdb.ac.id/index.php/processor/article/view/12.
R. Rulaningtyas, A. B. Suksmono, T. L. R.
Mengko, and G. A. Putri Saptawati,
Menggunakan Metode Clustering Berbasis
Patch untuk Identifikasi Mycobacterium
Tuberculosis,= J. Biosains Pascasarj., vol. 17,
no. 1, p. 19, 2015, doi:
20473/jbp.v17i1.2015.19-25.
S. E. Indraani, I. D. Jumaddina, S. Ridha, and
S. Sinaga,
Pada Citra Grayscale dengan Metode Operator
Prewitt dan Operator Sobel,= pp. 1–5, 2014.
Berbasis (Long Short- Term Memory)
Menggunakan Mediapipe.pdf.=.
