Format Lapangan Metode DASAR TEORI

6

2.2. Penjaga Gawang

Seorang penjaga gawang merupakan suatu hal yang utama dalam permainan sepakbola. Untuk menjadi seorang penjaga gawang kiper, ada beberapa hal yang harus diperhatikan. Pada dasarnya seorang kiper diharuskan memiliki kemampuan dasar pengamatan terhadap bola, serta refleks yang cukup baik, selain itu ada kemampuan individual seorang kiper yang perlu diperhatikan, diantaranya[7] :

2.2.1. Daya Jangkau

Kemampuan kiper dalam menjangkau bola sangatlah penting untuk dikuasai. Kiper harus tahu dimana kemampuan menjangkau bola, sehingga dapat menentukan kapan bola akan ditangkap, ditinju, ditangkis, ataupun lompat serta kapan harus menjatuhkan diri untuk menyelamatkan gawang.

2.2.2. Penempatan Posisi

Semakin baik posisi kiper berada, semakin mudah pula kiper menghalau serangan lawan. Kiper haruslah paham dimana kedua kaki harus berpijak. Sejauh apa dari gawang, berada pada sudut berapa dan dimana kira-kira lawan membidik tendangannya. Titik ini menjadi awal pengambilan keputusan ketika kiper memutuskan untuk tetap di tempat atau maju keluar sarang untuk menggagalkan usaha penyerang lawan. Disini pula berawal pikiran untuk memutuskan untuk lompat, terbang, menangkis, menyergap.

2.2.3. Refleks

Poin penting untuk seorang kiper. Kecepatan bereaksi terhadap bola yang sering berubah arah. Karena apabila seorang kiper tidak memiliki refleks yang bagus, ia akan selalu terlambat dalam menangkis ataupun menghalau bola yang datang.

2.2.4. Konsentrasi

Seorang kiper, secara kasat mata seolah tidak selalu bekerja setiap menitnya. Ketika bola berada di area pertahanan lawan, kiper akan cenderung diam. Namun sebenarnya, ketika dalam situasi seperti ini, seorang kiper akan lebih baik jika berkonsentrasi penuh dalam permainan. Konsentrasi sejak serangan lawan belum dibangun akan lebih memudahkannya mengambil keputusan ketika serangan datang.

2.3. Format Lapangan

Lapangan sepak bola memiliki ukuran yang akan diuraikan sesuai dengan Gambar 2.1 dan Tabel 2.1 7 Gambar 2.1 Dimensi lapangan Tabel 2.1 Keterangan dimensi lapangan Ukuran Kecil cm Ukuran Besar cm A Panjang lapangan 900 900 B Lebar lapangan 600 600 C Kedalaman gawang 50 60 D Lebar gawang 225 300 E Panjang Goal area 60 100 F Lebar Goal area 345 500 G Jarak titik pinalti ke gawang 180 210 H Diameter lingkar tengah lapangan 150 150 I lebar luar lapanganmin. 70

2.4. Metode

Decision Tree Decision tree adalah salah satu metode klasifikasi yang menggunakan representasi suatu struktur tree yang yang berisi alternatif-alternatif untuk pemecahan suatu masalah. Tree ini juga menunjukkan faktor-faktor yang mempengaruhi hasil alternatif dari keputusan tersebut disertai dengan estimasi hasil akhir bila kita mengambil keputusan tersebut. Peranan pohon keputusan ini adalah sebagai alat untuk membantu manusia dalam mengambil suatu keputusan[8]. 8 Manfaat dari decision tree adalah melakukan proses pemecahan persoalan dalam pengambilan keputusan yang kompleks menjadi lebih sederhana sehingga orang yang mengambil keputusan akan lebih menginterpretasikan solusi dari permasalahan. Konsep yang digunakan oleh decision tree adalah mengubah data menjadi suatu keputusan pohon dan aturan-aturan keputusan rule , selain itu metode ini juga digunakan untuk memilih atribut mana yang didahulukan dengan menghitung information gain dan juga untuk menyediakan struktur data pada saat pengambilan keputusan ketika robot objek yang mendapat penerapan dari decision tree di sini adalah robot menerima data baru seperti kamera atau sensor lainnya. 2.4.1. Entropy Untuk mengimplementasikan pemilihan suatu atribut A dalam decision tree diperlukan informasi yang terkandung dalam suatu konteks atau permasalahan. Informasi yang terkandung di dalam suatu permasalahan tersebut dinamakan entropy . Selain itu entropy juga dapat diartikan sebagai suatu pengukuran dari jumlah ketidakpastian dalam suatu rangkaian peristiwa. Kita asumsikan variable H adalah suatu rangkaian kejadian dan akan dihitung entropy dari kejadian tersebut sehingga suatu entropy dari H dapat dirumuskan[14] i i p p H log    Dan entropy dari sebuah kejadian yang menggambarkan 2 buah probabilitas yang dimisalkan dengan p dan q di mana q = 1-p adalah[14]: log log q q p p H    Sebagai contoh kasus yang pertama, jika robot mempertimbangkan untuk jatuh atau tidak, ini bisa diilustrasikan sebagai suatu bilangan biner 1jatuh atau 0tidak jatuh, dan bilangan 1 atau 0 ini mencakup 1 bit entropy . Contoh lain kasus yang ke- dua, misalkan robot mempertimbangkan untuk jatuh, tidak jatuh, geser kiri, atau geser kanan. Dengan adanya 4 kemungkinan ini berarti dalam kasus ini memiliki 2 bit entropy , karena pengambilan keputusan ini mencakup 2 bit untuk mendeskripsikan satu dari empat peluang pengambilan keputusan yang ada. Kemudian perhatikan dari kasus pertama, jika ada pengambilan keputusan yang tidak adil di mana robot selalu akan mengambil keputusan untuk jatuh 99 dalam sekali waktu. Kasus ini memiliki ketidakpastian yang sangat kecil dibandingkan dengan kasus pertama yang sudah dijabarkan di awal tadi, yang masih memiliki peluang yang 9 sama untuk jatuh ataupun tidak jatuh. Sehingga dari kasus ini kita membutuhkan entropy yang mendekati 0, tetapi memiliki nilai positif. Sehingga dalam penerapannya, entropy dari suatu variable acak I dengan nilai Vi, masing-masing memiliki peluang P Vi dan jumlah sampel positif dimisalkan p dan jumlah sampel negatif dimisalkan dengan n di mana n = 1-p kita gunakan persamaan sebelumnya untuk menghitung entropy dari 2 buah probabilitas. Selain itu kita gunakan log berbasis 2 karena log basis 2 merupakan logaritma biner di mana kita akan merepresentasikan hasilnya dalam sebuah satuan bit. Sehingga perhitungannya dapat didefinisikan sebagai berikut: log log , 2 2 n p n n p n n p p n p p n p n n p p I          Hasil yang didapat dari suatu entropy berupa suatu bilangan bit dari suatu informasi yang kita dapatkan dari suatu probabilitas[11]. 2.4.2. Information Gain Suatu atribut A yang terpilih membagi suatu set E ke dalam subset-subset E 1 , … , E v Sesuai nilai-nilai yang terdapat dalam atribut A , di mana A memiliki sejumlah v nilai-nilai yang berbeda. Di mana nilai-nilai yang berbeda tersebut menjadi pereduksi dari nilai informasi yang didapat Entropy . Pereduksi atau remainder inilah yang menjadi faktor pengurang untuk diperolehnya nilai information Gain yang akan dihitung. Di mana remainder ini dapat dirumuskan sebagai berikut: , 1 i i i i i i v i i i n p n n p p I n p n p A remainder        Sehingga Information Gain IG atau reduksi dari suatu entropy dari suatu atribut yang diuji dapat dirumuskan sebagai berikut[12]: A remainder A entropy A IG   , A remainder n p n n p p I A IG     Nantinya rumus inilah yang akan diterapkan untuk menghitung information gain dari hasil pengujian yang dilakukan penulis. Contoh dari perhitungan akan ditunjukan pada bagian pengujian di tiap mode. 10

2.5. Latar Belakang Pemilihan Metode