Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Teknika Digital Transformation Technology (Digitech)
Raymond Chandra Putra
Program Studi Teknik Informatika, Universitas Katolik Parahyangan, Bandung, Jawa Barat
Computer Science & IT Electrical & Electronics Engineering Engineering Library & Information Science

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Teknika

 1 
Pembangunan Perangkat Pendeteksi Jenis Gerakan Raket Bulu Tangkis Dengan Algoritma KNN dan SVM Raymond Chandra Putra
Teknika Vol 9 No 2 (2020): November 2020
Publisher : Center for Research and Community Service, Institut Informatika Indonesia (IKADO) Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34148/teknika.v9i2.291

Abstract

Internet of Things (IoT) dapat diaplikasikan untuk banyak bidang, salah satunya pada latihan olahraga bulu tangkis. Pada olahraga bulu tangkis, terutama bagi pemain pemula mengalami kesulitan untuk mengetahui apakah gerakan yang dilakukan sudah benar atau belum. Pada penelitian ini, dibangun sebuah embedded system yang dipasang pada raket yang berfungsi mengambil data gerakan pukulan. Data pukulan ini dikirim ke sebuah perangkat lunak yang dapat mendeteksi jenis gerakan raket bulu tangkis. Embedded system terdiri dari Arduino dan sensor accelerometer dan gyroscope. Data pukulan disimpan ke dalam basis data melalui web service. Perangkat lunak dibangun dengan memanfaatkan prinsip pembelajaran mesin terarah yaitu klasifikasi. Algoritma klasifikasi yang digunakan adalah algoritma k-Nearest Neighbor dan membandingkan hasilnya dengan algoritma lain yaitu Support Vector Machine. Pengujian dilakukan dengan mengumpulkan data latih yang digunakan oleh algoritma klasifikasi untuk memprediksi gerakan. Kinerja dari kedua algoritma klasifikasi diukur dan dibandingkan. Dari hasil pengujian, maka disimpulkan bahwa algoritma Support Vector Machine menghasilkan kinerja yang lebih baik dari k-Nearest Neighbor dalam mendeteksi gerakan raket. Selain itu kinerja algoritma Support Vector Machine yang lebih baik tersebut dihasilkan dengan data latih yang lebih sedikit dibandingkan k-Nearest Neighbor.
Co-Authors Alfaza Ranggana Wahyudin