KLASIFIKASI VIDEO GERAKAN DASAR TARI BALI BERBASIS MACHINE LEARNING DENGAN NEURAL NETWORK


ABSTRAK


Di masa pandemi COVID-19, kegiatan pembelajaran Tari Bali menjadi terhambat. Agar pembelajaran tetap berjalan, mahasiswa mengirimkan video mereka melakukan gerakan Tari Bali, yang kemudian dinilai oleh dosen. Muncul masalah ketika dosen lelah melihat video yang begitu banyak sehingga dapat menyebabkan penilaian menjadi bias. Pada penelitian ini, yang akan dilakukan adalah penerapan konsep machine learning dengan algoritma neural network untuk mengklasifikasikan gerakan dasar Tari Bali dari video. Gerakan dasar Tari Bali yang digunakan adalah sebanyak tujuh gerakan dasar yaitu agem kanan, agem kiri, ulap-ulap, ngegol, nyalud, seledet, dan nyeregseg. Adapun lima tahapan utama yang dilakukan pada penelitian ini yaitu pengumpulan dataset, preprocessing data, pemodelan, training model, dan pengujian. Hasil dari penelitian ini adalah tiga buah model machine learning dengan memanfaatkan transfer learning, yaitu model VGG16-LSTM 128x128, VGG16-LSTM 224x224, dan RGB I3D 224x224. Dari penelitian ini, dapat disimpulkan bahwa ketiga model yang telah dihasilkan tersebut dapat mengklasifikasikan video-video tujuh gerakan dasar Tari Bali dan model terbaik yang dipilih adalah model RGB I3D 224x224 yang memiliki akurasi data test sebesar 80%.

Kata kunci: Klasifikasi, Video, Tari Bali, Machine Learning, Neural Network