eprintid: 31073 rev_number: 9 eprint_status: archive userid: 2950 dir: disk0/00/03/10/73 datestamp: 2024-01-31 07:58:08 lastmod: 2024-01-31 07:58:08 status_changed: 2024-01-31 07:58:08 type: article metadata_visibility: show creators_name: Ramza, Harry creators_id: hramza@uhamka.ac.id creators_orcid: 0000-0002-4126-8797 contributors_type: http://www.loc.gov/loc.terms/relators/AUT contributors_type: http://www.loc.gov/loc.terms/relators/AUT contributors_type: http://www.loc.gov/loc.terms/relators/AUT contributors_type: http://www.loc.gov/loc.terms/relators/AUT contributors_name: Akram, Ar’rafi contributors_name: Rachmadinasya, Safira Adinda contributors_name: Melvandino, Figo Hafidz contributors_name: Ramza, Harry contributors_id: rafiakram54@gmail.com contributors_id: safiraadinda10@gmail.com contributors_id: figo.hafidz.fh5@gmail.com contributors_id: hramza@uhamka.ac.id title: KLASIFIKASI AKTIVITAS OLAHRAGA BERDASARKAN CITRA FOTO DENGAN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK ispublished: pub subjects: TK divisions: 87201 divisions: 16 divisions: 11 divisions: 20201 divisions: 55201 divisions: 21201 abstract: Dalam era teknologi dan informasi yang semakin maju, olahraga juga semakin mendapat perhatian dari berbagai kalangan, termasuk para penggemar dan pelaku industri olahraga. Namun, untuk memahami dan mengelola dunia olahraga dengan lebih efektif, diperlukan analisis dan pemahaman mendalam terhadap berbagai aspek olahraga, termasuk diantaranya adalah klasifikasi dan pengenalan berbagai jenis olahraga. Salah satu pendekatan yang kuat dan efektif dalam pengenalan pola pada citra adalah Convolutional Neural Network (CNN). CNN adalah sebuah metode klasifikasi yang sangat cocok untuk digunakan dalam mengklasifikasikan citra digital. Arsitektur CNN dirancang secara efektif untuk mengenali objek dalam citra. Dataset yang digunakan terdiri dari 2348 dataset untuk pelatihan (training), 294 dataset untuk pengujian (testing), dan 294 dataset untuk validasi (validation). Proses pelatihan model dengan arsitektur CNN DenseNet121 menghasilkan tingkat keakuratan mencapai 99%, sementara tingkat keakuratan validasi mencapai 88,78%. Melalui penelitian ini, diharapkan penerapan CNN untuk menciptakan sistem yang dapat secara otomatis dan akurat mengidentifikasi jenis olahraga yang sedang dilakukan oleh individu maupun kelompok berdasarkan gambar atau citra yang ditangkap dari aktivitas olahraga tersebut. date: 2023-09-11 date_type: published publisher: Jurusan Teknik Elektro, Fakultas Teknik, Universitas Lampung official_url: https://journal.eng.unila.ac.id/index.php/jitet/article/view/3496/1516 full_text_status: public publication: JITET (Jurnal Informatika dan Teknik Elektro Terapan) volume: 11 number: 3S1 pagerange: 1081-1086 refereed: TRUE issn: 2830-7062 related_url_url: https://journal.eng.unila.ac.id/index.php/jitet/issue/view/163 related_url_type: pub funders: Universitas Muhammadiyah Prof. Dr. Hamka citation: Ramza, Harry (2023) KLASIFIKASI AKTIVITAS OLAHRAGA BERDASARKAN CITRA FOTO DENGAN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK. JITET (Jurnal Informatika dan Teknik Elektro Terapan), 11 (3S1). pp. 1081-1086. ISSN 2830-7062 document_url: http://repository.uhamka.ac.id/id/eprint/31073/1/KLASIFIKASI%20AKTIVITAS%20OLAHRAGA%20BERDASARKAN.pdf