EDIS, KARO SISWANTO (2016) KLASIFIKASI GAMBAR GERAK PEMAIN BOLA VOLI DENGAN MENGGUNAKAN METODE K-NEAREST NEIGHBOR (K-NN). Skripsi,Fakultas Ilmu Komputer.
![[img]](http://eprints.dinus.ac.id/style/images/fileicons/application_pdf.png)
| PDF Download (3583b) | Preview |
Abstract
Algoritma K-Nearest Neighbor (KNN) adalah suatu metode yang menggunakan algoritma supervised, dimana hasil sampel uji yang baru diklasifikasikan berdasarkan mayoritas dari kategori pada KNN.Tugas Akhir ini bertujuan mengimplementasikan K-Nearest Neighbor untuk klasifikasi gambar gerakan pemain bola volli kedalam tiga gerakan dasar yakni smash, service dan blok. K-Nearest Neighbor digunakan untuk mengklasifikasikan gambar gerakan bola volli karena ketangguhannya terhadap data yang memiliki banyak noise serta efektif terhadap data yang berukuran sangat besar.Berdasarkan hasil penelitian data terklasifikasi dalam 5 cluster yakni k3, k5, k7, k9 dan k10 diketahui bahwa klastering dengan nilai k3 memiliki hasil akurasi tertinggi sebesar 66,87%.Tingkat akurasi pengujian model gambar gerakan pemain bola voli dengan menggunakan algoritma K-Nearest Neighbor (KNN) dipengaruhi oleh jumlah klastering data.
| Item Type: | Article |
|---|---|
| Subjects: | T Technology > Teknik Informatika Universitas Dian Nuswantoro > Fakultas Ilmu Komputer > Teknik Informatika |
| Divisions: | Fakultas Ilmu Komputer |
| Depositing User: | Psi Udinus |
| Date Deposited: | 22 Sep 2016 13:20 |
| Last Modified: | 22 Sep 2016 13:20 |
| URI: | http://eprints.dinus.ac.id/id/eprint/18838 |
Actions (login required)
| View Item |
