Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI)
Wayan Evan Ada Munayana
Sistem Informasi, Institut Teknologi dan Bisnis STIKOM Bali
Computer Science & IT Education Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
GETARI: Dataset untuk Klasifikasi Gerakan Dasar Tari Bali Perempuan I Putu Putra Budha Lantara; I Putu Dwi Payana; Gede Ariel Septian Pratama; Wayan Evan Ada Munayana; Kadek Sri Nopiani; I Nyoman Rudy Hendrawan
Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI Vol. 11 No. 3 (2022)
Publisher : Prodi Pendidikan Teknik Informatika Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/janapati.v11i3.52598

Abstract

Tari Bali adalah salah satu daya tarik kultural yang selalu dilestarikan oleh masyarakat Bali dari dulu hingga sekarang. Hingga saat ini banyak upaya telah dilakukan oleh masyarakat untuk mengabadikan karya seni Tari Bali ke dalam media digital. Salah satu pendekatan yang dapat digunakan dalam rangka preservasi karya seni Tari Bali yaitu dengan pendekatan teknologi machine learning. Pada penelitian ini dilakukan pembuatan dataset gerakan dasar Tari Bali yang merupakan kelanjutan dari penelitian sebelumnya yaitu, enam gerakan dasar Tari Bali yakni, ngelung, ngeseh, tapak sirangpada, ngeed, ngelo, dan ngumbang, yang dinamakan GETARI. GETARI kemudian diklasifikasikan dengan menggunakan model pre-trained VGG-LSTM dan I3D. Berdasarkan hasil training pada model VGG-LSTM didapatkan nilai validation loss sebesar 1,01 dan akurasi sebesar 0,57, sedangkan I3D memperoleh nilai validation loss sebesar 0,03 dan akurasi sebesar 0,97. Perubahan strategi training menurunkan validation loss VGG-LSTM menjadi sebesar 0,18 dengan akurasi mencapai 0,94. Selain itu dilakukan juga pengukuran terhadap metrik klasifikasi lainnya seperti precision, recall, dan F1. Secara keseluruhan, kinerja pada data test memperlihatkan bahwa model I3D tetap menjadi yang terbaik diantara keduanya, dengan nilai akurasi sebesar 0,97, precision sebesar 0,98, recall sebesar 0,98, dan F1 juga sebesar 0,98. Penelitian ini merupakan salah tahap awal dari pengembangan dataset gerakan dasar Tari bali dan juga pengembangan model machine learning untuk mengklasifikasikan gerakan dasar Tari Bali. Model yang dikembangan dapat dijadikan sebagai acuan dalam pengembangan model machine learning lainnya.
Co-Authors Gede Ariel Septian Pratama I Nyoman Rudy Hendrawan I Putu Dwi Payana I Putu Putra Budha Lantara Kadek Sri Nopiani