Deftnamor, Kensa Baeren (2025) Implementasi Convolutional Neural Network (CNN) untuk deteksi ketepatan gerakan tepak paleredan ibing pencak. Sarjana thesis, UIN Sunan Gunung Djati Bandung.
|
Text (COVER)
1_cover.pdf Download (196kB) | Preview |
|
|
Text (ABSTRAK)
2_abstrak.pdf Download (235kB) | Preview |
|
|
Text (SKBEBASPLAGIARISM)
3_skbebasplagiarism.pdf Download (317kB) | Preview |
|
|
Text (DAFTAR ISI)
4_daftarisi.pdf Download (223kB) | Preview |
|
|
Text (BAB I)
5_bab1.pdf Download (287kB) | Preview |
|
![[img]](https://digilib.uinsgd.ac.id/style/images/fileicons/text.png) |
Text (BAB II)
6_bab2.pdf Restricted to Registered users only Download (718kB) |
|
|
Text (BAB III)
7_bab3.pdf Restricted to Registered users only Download (330kB) |
|
|
Text (BAB IV)
9_bab5.pdf Restricted to Registered users only Download (231kB) |
|
|
Text (BAB V)
8_bab4.pdf Restricted to Registered users only Download (1MB) |
|
|
Text (DAFTAR PUSTAKA)
10_daftarpustaka.pdf Restricted to Registered users only Download (204kB) |
Abstract
Seni tradisional Ibing Pencak merupakan warisan budaya yang perlu untuk dilestarikan. Namun, proses mempelajari gerakan-gerakan ibing pencak khususnya Tepak paleredan secara individu seringkali menemui kendala, terutama dalam hal ketepatan gerakan. Penelitian ini bertujuan untuk mempelajari gerakan Tepak Paleredan seni bela diri Ibing Pencak melalui pendekatan berbasis teknologi. Oleh sebab itu penelitian ini berupaya merancang sistem yang dapat mengolah input gambar gerakan Tepak Paleredan menggunakan model Convolutional Neural Network (CNN) dengan EfficientNet-B0 sebagai basemodel untuk mengidentifikasi pola gerakan. Dataset pada penelitian ini didapat dari Instruktur Terlatih, Non-praktisi, dan sosial media sebagai data yang digunakan oleh model. Setelah berhasil dibangun selanjutnya model diterapkan pada antarmuka menggunakan Gradio. Hasil penelitian menunjukkan bahwa sistem deteksi gerakan mencapai akurasi sebesar 94%, dengan nilai rata-rata precision dan recall masing-masing sebesar 0.94. Analisis lebih lanjut menunjukkan bahwa sebagian besar kesalahan terjadi pada kelas gerakan dengan kemiripan. Temuan dari penelitian ini menunjukkan bahwa CNN, khususnya dengan arsitektur EfficientNet-B0, dapat menjadi sistem deteksi gerakan.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Uncontrolled Keywords: | CNN; Detection; EfficientNet-B0; Movement; Ibing Pencak; Tepak Paleredan |
| Subjects: | Data Processing, Computer Science Data Processing, Computer Science > Dictionaries and Encyclopedia Computer Science Data Processing, Computer Science > Computer Science Education Computer Arts, Digital Arts |
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Informatika |
| Depositing User: | Kensa Baeren Deftnamor |
| Date Deposited: | 08 Aug 2025 08:02 |
| Last Modified: | 08 Aug 2025 08:02 |
| URI: | https://digilib.uinsgd.ac.id/id/eprint/114474 |
Actions (login required)
 |
View Item |
