Deteksi gerakan tari kota pasuruan menggunakan metode Recurrent Neural Network (RNN)

Sari, Eka Candra Ita (2023) Deteksi gerakan tari kota pasuruan menggunakan metode Recurrent Neural Network (RNN). Other thesis, Universitas Merdeka Pasuruan.

[img] Text
COVER.pdf

Download (547kB)
[img] Text
BAB-1.pdf

Download (190kB)
[img] Text
BAB-2.pdf
Restricted to Repository staff only

Download (383kB)
[img] Text
BAB-3.pdf
Restricted to Repository staff only

Download (391kB)
[img] Text
BAB-4.pdf
Restricted to Repository staff only

Download (296kB)
[img] Text
BAB-5.pdf
Restricted to Repository staff only

Download (54kB)
[img] Text
DAFTAR-PUSTAKA.pdf
Restricted to Repository staff only

Download (76kB)
[img] Text
LAMPIRAN.pdf
Restricted to Repository staff only

Download (155kB)

Abstract

Tari tradisional adalah suatu Gerakan yang mengekspresikan diri dengan bentuk Gerakan. Dan Deteksi Gerakan Tari sendiri merupakan suatu bidang penelitian dengan pengembangan sistem yang dapat mengenali dan mempelajari Gerakan dalam konteks tari. Penelitian ini mengimplementasikan kedalam metode Recurrent Neural Network (RNN). Yang melibatkan pengumpulan dataset citra Gerakan tari yang digunakan untuk melatih model RNN. Tujuan utama dari penelitian ini adalah untuk mengembangkan sebuah sistem yang dapat secara otomatis mendeteksi dan mengenali Gerakan tari tradisional Kota Pasuruan. Penelitian ini bertujuan untuk mendeteksi gerak tari. Untuk mencapai tujuan penelitian, peneliti menggunakan metode RNN untuk menghitung deteksi pada gerak tari tersebut.Pada tahap awal data citra dikumpulkan kemudian, Teknik pengolahan citra diterapkan untuk memproses fitur-fitur penting dari Gerakan tari. Dalam pengujian dan evaluasi dilakukan untuk menguji performa metode RNN dalam deteksi Gerakan tari Kota Pasuruan. Dengan menggunakan metode ini, bahwa system deteksi erakan tari dapat digunakan untuk mempromosikan dan melestarikan warisan budaya tarian tradisional Kota Pasuruan. Dari penelitian tersebut maka didapatkan hasil akurasi sebesar 68% untuk Training dan 66% untuk Testing.

Item Type: Thesis (Other)
Uncontrolled Keywords: Deteksi Gerakan Tari, Recurrent Neural Network (RNN), Gerakan TariKota Pasuruan, Python
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Teknologi Informasi > Informatika
Depositing User: Perpustakaan Unmer Pasuruan
Date Deposited: 07 Sep 2023 02:29
Last Modified: 07 Sep 2023 02:29
URI: http://repository.unmerpas.ac.id/id/eprint/424

Actions (login required)

View Item View Item