Ardi, Zulfikri Rizki (2024) IMPLEMENTASI YOLO V8 UNTUK MEMBANTU MENGAMATI POSSESSION GAME PERTANDINGAN SEPAK BOLA. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (1MB) |
|
Text (BAB I)
BAB I.pdf Download (158kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (756kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (203kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (665kB) |
|
Text (BAB V)
BAB V.pdf Download (44kB) |
|
Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf Restricted to Registered users only Download (67kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
Sourcecode - 20.11.3712.zip Restricted to Repository staff only Download (1MB) |
|
Text (PUBLIKASI)
Publikasi.pdf Restricted to Repository staff only Download (993kB) |
Abstract
Penelitian ini bertujuan untuk mengembangkan sistem deteksi tindakan manusia menggunakan model YOLOv8 untuk memantau permainan bola sepak. Sistem ini dirancang untuk meningkatkan akurasi dan efisiensi analisis permainan bola sepak, terutama dalam mengukur penguasaan bola. Dalam penelitian ini, dataset video frame digunakan untuk melatih model YOLOv8 yang kemudian diintegrasikan ke dalam sistem web menggunakan bahasa pemrograman Python dan microframework Flask. Metode penelitian ini melibatkan pengumpulan dataset video frame, pelatihan model YOLOv8, dan pengujian sistem web. Hasil penelitian menunjukkan bahwa model YOLOv8 dapat dengan akurasi tinggi mendeteksi empat klas tindakan sederhana, yaitu berdiri, berjalan, berlari, dan jatuh. Sistem web yang dikembangkan mampu menghasilkan nilai terbaik mAP, precision, recall, dan F1-score sebesar 97%, 99%, 100%, dan 93%. Kesimpulan penelitian ini adalah bahwa implementasi YOLOv8 untuk memantau permainan bola sepak dapat memberikan keuntungan taktis yang besar. Sistem ini dapat membantu pelatih, analis, dan tim manajemen untuk mengukur dan mengamati penguasaan bola dengan lebih cepat dan akurat. Dengan demikian, penelitian ini dapat menjadi referensi bagi pengembangan sistem analisis bola sepak yang lebih efektif di masa depan. Kata kunci: YOLOv8, deteksi tindakan manusia, bola sepak, sistem web.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Machine Learning, YOLO, Deteksi Manusia, Opencv, Kecerdasan Buatan | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data | ||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 05 Dec 2024 03:34 | ||
| Last Modified: | 05 Dec 2024 03:34 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/28644 |
Actions (login required)
 |
View Item |