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