KLASIFIKASI AKTIVITAS OLAHRAGA BERDASARKAN CITRA FOTO DENGAN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK
DOI:
https://doi.org/10.23960/jitet.v11i3s1.3496Abstract Views: 531 File Views: 291
Abstract
In an era of advancing technology and information, sports are also receiving increasing attention from various sectors, including enthusiasts and participants in the sports industry. However, to better understand and manage the sports world, a thorough analysis and understanding of various aspects of sports are necessary, including classification and recognition of different types of sports. One potent and effective approach to image pattern recognition is the Convolutional Neural Network (CNN). CNN is a classification method particularly suitable for classifying digital images. The architecture of CNN is designed effectively to recognize objects within images. The dataset employed comprises 2348 samples for training, 294 samples for testing, and 294 samples for validation. The training process of the CNN model using DenseNet121 architecture yields an accuracy rate of 99%, with a validation accuracy rate of 88.78%. Through this research, it is expected that the application of CNN will create a system capable of automatically and accurately identifying the types of sports being performed by individuals or groups based on images or captured visuals of sporting activities.Downloads
References
M. Juniarto, O. Unju Subandi, and Sujarwo, “Edukasi Olahraga Dalam Upaya Meningkatkan Kebugaran Dan Kesehatan Masyarakat Kota Bekasi Provinsi Jawa Barat,” Jurnal Ilmiah Pengembangan dan Penerapan IPTEKS, vol. 20, no. 01, pp. 16–23, Jun. 2022.
R. Magdalena, S. Saidah, N. K. C. Pratiwi, dan A. T. Putra, “Klasifikasi Tutupan Lahan Melalui Citra Satelit SPOT-6 dengan Metode Convolutional Neural Network (CNN),” J. Edukasi dan Penelit. Inform., vol. 7, no. 3, hal. 335–339, 2021, doi: 10.26418/jp.v7i3.48195.
F. Putra Maulana, A. Wijayanto, and H. Oktavianto, “Prototipe Untuk Mengidentifikasi Kerusakan Bantalan Pada Motor Induksi Menggunakan Convolutional Neural Network,” EMITOR: Jurnal Teknik Elektro, vol. 23, no. 1, pp. 7–13, Mar. 2023.
S. Yuliany, Aradea, dan A. N. Rachman, “Implementasi Deep Learning pada Sistem Klasifikasi Hama Tanaman Padi Menggunakan Metode Convolutional Neural Network (CNN),” J. Buana Inform., vol. 13, no. 1, hal. 54–65, 2022, doi: 10.24002/jbi.v13i1.5022.
H. Kurniawan dan K. Kusrini, “Klasifikasi Pengenalan Wajah Siswa pada Sistem Kehadiran dengan Menggunakan Metode Convolutional Neural Network,” J. Media Inform. Budidarma, vol. 7, no. 2, hal. 846–856, 2023, doi: 10.30865/mib.v7i2.5958.
A. H. Nasrullah dan H. Annur, “Implementasi Metode Convolutional Neural Network Untuk Identifikasi Citra Digital Daun,” J. Media Inform. Budidarma, vol. 7, no. 2, hal. 726–736, 2023, doi: 10.30865/mib.v7i2.5962.
A. E. Putra, M. F. Naufal, dan V. R. Prasetyo, “Klasifikasi Jenis Rempah Menggunakan Convolutional Neural Network dan Transfer Learning,” JEPIN (Jurnal Edukasi dan Penelit. Inform., vol. 9, no. 1, hal. 12–18, 2023.
D. Alamsyah dan D. Pratama, “Implementasi Convolutional Neural Networks (CNN) untuk Klasifikasi Ekspresi Citra Wajah pada FER-2013 Dataset,” J. Teknol. Inf., vol. 4, no. 2, hal. 350–355, 2020, doi: 10.36294/jurti.v4i2.1714.
R. Adi Saputra, D. Rasendriya Rizqullah Putra, and M. Alaika Asyrofi, “Implementasi Convolutional Neural Network (CNN) untuk Mendeteksi Penggunaan Masker pada Gambar,” JITET (Jurnal Informatika dan Teknik Elektro Terapan), vol. 11, no. 3, pp. 710–714, Aug. 2023.
M. F. Naufal, J. Siswantoro, dan M. G. K. Wicaksono, “Klasifikasi Tulisan Tangan pada Resep Obat Menggunakan Convolutional Neural Network,” Techno.Com, vol. 22, no. 2, hal. 508–526, 2023, doi: 10.33633/tc.v22i2.8075.
T. Bariyah, M. Arif Rasyidi, dan Ngatini, “Convolutional Neural Network Untuk Metode Klasifikasi Multi-Label pada Motif Batik,” Techno.COM, vol. 20, no. 1, hal. 155–165, 2021.
D. Irfansyah, M. Mustikasari, dan A. Suroso, “Arsitektur Convolutional Neural Network (CNN) Alexnet untuk Klasifikasi Hama pada Citra Daun Tanaman Kopi,” J. Inform. J. Pengemb. IT, vol. 6, no. 2, hal. 87–92, 2021, [Daring]. Tersedia pada: http://ejournal.poltektegal.ac.id/index.php/informatika/article/view/2802
U. S. Rahmadhani dan N. L. Marpaung, “Klasifikasi Jamur Berdasarkan Genus dengan Menggunakan Metode CNN,” J. Inform. J. Pengemb. IT, vol. 8, no. 2, hal. 169–173, 2023.
U. Khultsum dan G. Taufik, “Komparasi Kinerja DenseNet 121 dan MobileNet untuk Klasifikasi Citra Penyakit Daun Kentang,” JURIKOM (Jurnal Ris. Komputer), vol. 10, no. 2, hal. 558−565, 2023, doi: 10.30865/jurikom.v10i2.6047.
D. Husen, K. Kusrini, dan K. Kusnawi, “Deteksi Hama pada Daun Apel Menggunakan Algoritma Convolutional Neural Network,” J. Media Inform. Budidarma, vol. 6, no. 4, hal. 2103–2110, 2022, doi: 10.30865/mib.v6i4.4667.
