DETEKSI IN OUT SHUTTLECOCK PADA OLAHRAGA BULU TANGKIS MENGGUNAKAN METODE YOLO V8n

Ahmad Raihan Al Ma'ruf, Ahmad Raihan (2025) DETEKSI IN OUT SHUTTLECOCK PADA OLAHRAGA BULU TANGKIS MENGGUNAKAN METODE YOLO V8n. Skripsi thesis, Universitas Pembangunan Nasional Veteran Yogyakarta.

	Text Naskah TA_123210162.pdf Restricted to Repository staff only Download (2MB)
	Text Cover_123210162.pdf Download (157kB)
	Text Abstrak_123210162.pdf Download (182kB)
	Text Pengesahan Pembimbing_123210162.pdf Download (754kB)
	Text Pengesahan Penguji_123210162.pdf Download (712kB)
	Text Isi_123210162.pdf Download (171kB)

Abstract

Bulu tangkis merupakan olahraga berintensitas tinggi dengan shuttlecock berukuran
kecil dan bergerak cepat, sehingga keputusan posisi jatuhnya shuttlecock (in/out) dapat
menimbulkan kesalahan saat mengandalkan pengamatan manual hakim garis. Penelitian ini
menerapkan metode YOLOV8n untuk deteksi otomatis status in/out shuttlecock secara
efisien. Metode ini mendeteksi dua kelas objek, yaitu shuttlecock dan garis lapangan,
menggunakan video pertandingan bulu tangkis untuk memperkuat keputusan wasit, dan
mendukung sistem penilaian berbasis data.
Dataset diperoleh dari Roboflow Universe sebanyak 2.730 citra (.JPG) yang
dianotasi manual menjadi dua kelas (shuttlecock dan garis lapangan). Tahap preprocessing
meliputi konversi video ke frame, pemberian label, dan pembagian data menjadi 2.030
training dan 700 validation. Model YOLOV8n dilatih menggunakan optimizer AdamW dan
hyperparameter (epoch, batch size, imagesize) lalu dievaluasi melalui metrik Precision,
Recall, Average Precision (AP), dan mAP50. Hasil evaluasi menunjukkan deteksi garis
lapangan (Precision 97,9% Recall 99,8%), sedangkan deteksi shuttlecock (Precision 85,6%;
Recall 75,9%). Nilai AP garis lapangan (99,5%) dan shuttlecock (81,4%), dengan total
mAP50 sebesar 90,45.
Penelitian ini berhasil menerapkan metode YOLOV8n sebagai deteksi otomatis
shuttlecock in/out. Namun, peningkatan masih diperlukan pada deteksi shuttlecock melalui
perluasan dataset, peningkatan kualitas video, penyesuaian hyperparameter, dan penerapan
varian model lain (YOLOv8s atau YOLOv8m) untuk meningkatkan akurasi dan konsistensi
dalam deteksi berbagai kondisi pertandingan.

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	Ahmad Raihan Al Ma'ruf (Penulis - 123210162) Bagus Muhammad Akbar (Pembimbing)
Uncontrolled Keywords:	Bulu tangkis, Computer vision, Deteksi Shuttlecock, Deep learning, In/Out Detection YOLOV8.
Subjek:	T Technology > TJ Mechanical engineering and machinery T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	Bayu Pambudi
Date Deposited:	03 Dec 2025 04:40
Last Modified:	03 Dec 2025 04:40
URI:	http://eprints.upnyk.ac.id/id/eprint/45952

Actions (login required)

View Item