PUTRI, AYUNDA (2026) SISTEM DETEKSI GERAKAN TEKNIK DASAR PENCAK SILAT PSHT BERBASIS INTERNET OF THINGS MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM). S1 thesis, Universitas Malikussaleh.

	Text COVER_AYUNDA PUTRI_NIM.220170048.pdf Download (159kB)
	Text ABSTRAK_AYUNDA PUTRI_NIM.220170048.pdf Download (231kB)
	Text BAB 1_AYUNDA PUTRI_NIM.220170048.pdf Download (242kB)
	Text DAFTAR PUSTAKA_AYUNDA PUTRI_NIM.220170048.pdf Download (202kB)
	Text 1FULL TEXT_AYUNDA PUTRI_NIM.220170048.pdf Restricted to Registered users only Download (5MB)

Abstract

Pemanfaatan teknologi dalam dunia olahraga saat ini telah menjadi kebutuhan penting yang didukung oleh regulasi hukum di Indonesia, seperti Undang-Undang Nomor 11 Tahun 2022 tentang Keolahragaan yang mendorong implementasi Ilmu Pengetahuan dan Teknologi (IPTEK). Dalam olahraga bela diri pencak silat, khususnya pada Persaudaraan Setia Hati Terate (PSHT), penguasaan teknik dasar secara akurat sangat menentukan. Namun, ketika siswa melakukan latihan mandiri tanpa pengawasan langsung, mereka sering kesulitan memastikan ketepatan gerakan tangan sehingga berpotensi menurunkan kualitas latihan dan meningkatkan risiko cedera. Sebagai solusi, penelitian ini mengembangkan sistem monitoring gerakan tangan berbasis Internet of Things (IoT) menggunakan sensor Inertial Measurement Unit (IMU) secara real-time. Data sensor diolah dengan pendekatan Machine Learning melalui arsitektur 7-SVM Pipeline. Algoritma Support Vector Machine (SVM) diterapkan pada Model 0 (Movement Classifier) untuk mengklasifikasikan jenis gerakan, serta Model 1–6 (Correctness Classifier) untuk mengevaluasi kualitas gerakan ke dalam kategori "Benar" atau "Salah". Model ini diuji menggunakan metode Leave-One-Subject-Out (LOSO) Cross-Validation untuk merepresentasikan performa pada pengguna baru. Hasil pengujian menunjukkan Model 0 mampu mengenali jenis gerakan dengan akurasi keseluruhan sebesar 63,3% pada unseen subject. Sementara itu, akurasi model penilaian kebenaran teknik menghasilkan tingkat capaian yang bervariasi; hasil tertinggi mencapai 100% pada gerakan Jep Kiri, sedangkan yang terendah berada di angka 55% pada gerakan Kombinasi Kanan akibat adanya variasi karakteristik gerakan antar subjek. Hasil evaluasi gerakan ditampilkan langsung pada dashboard website sebagai alat pendamping latihan mandiri yang objektif, sekaligus mendukung digitalisasi dalam pelestarian budaya pencak silat.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Ayunda Putri
Date Deposited:	02 Sep 2026 08:50
Last Modified:	02 Sep 2026 08:50
URI:	https://rama.unimal.ac.id/id/eprint/19851

Actions (login required)

View Item