Scoring System Otomatis Pada Lomba Menembak Dengan Target Sillhouette Hewan Menggunakan Metode Klasifikasi Naïve Bayes

  

Vol. 2, No. 11, November 2018, hlm. 5164-5172 http://j-ptiik.ub.ac.id

Scoring System Otomatis Pada Lomba Menembak Dengan Target

Sillhouette Hewan Menggunakan Metode Klasifikasi Naïve Bayes

_{1 2 3} Muhamad Taufiq Firmansyah , Rizal Maulana , Mochammad Hannats Hanafi Ichsan

  Program Studi Teknik Komputer, Fakultas Ilmu Komputer, Universitas Brawijaya

  1

  2

  3 Email: muhamadtaufiqfirmansyah@gmail.com, rizal_lana@ub.ac.id, hanas_hanafi@ub.ac.id

Abstrak

  Menembak adalah olahraga kompetitif yang menguji kemahiran, akurasi dan kecepatan dengan menggunakan berbagai jenis senjata seperti senjata api hingga senjata angin. Perlombaan menembak biasanya diselegarakan oleh Persatuan Penembak Indonesia atau PERBAKIN sebagai bentuk pelatihan serta silaturahmi para anggotanya. Pada perlombaan ini, sistem perhitungan skor masih menggunakan metode manual. Pada penelitian ini akan dibuat “Scoring System Otomatis Pada Lomba Menembak Dengan Target Sillhouette Hewan Menggunakan Metode Klasifikasi Naïve Bayes

  ” untuk menentukan

  jenis Sillhouette mana yang tertembak dan menambahkan skor pada monitor sistem. Metode Klasifikasi

  Naïve Bayes

  digunakan dalam proses klasifikasi jenis Sillhouette yang tertembak untuk memberi pengaruh terhadap skor dalam perlombaan. Purwarupa pada sistem ini menggunakan beberapa komponen yaitu sensor ADXL335 Accelerometer, Load Cell, Limit Switch, Switch, Modul HX711, serta

  

Arduino Mega 2560 dan Arduino Uno sebagai pemrosesnya. Berdasarkan hasil uji coba pada sistem ini,

  didapatkan tingkat akurasi terhadap data sensor sebesar 95,73% dan tingkat akurasi terhadap klasifikasi Naïve Bayes adalah sebesar 100%.

  Kata kunci : Scoring System Otomatis, Klasifikasi Naïve Bayes, Sillhouette Hewan

Abstract

  

Shooting is a competitive sport that tests proficiency, accuracy and speed by using different types of

weapons such as firearms to wind weapons. Shooting competitions are usually held by the Indonesian

Shooter Union or PERBAKIN as a form of training and gathering of its members. In this competitions,

the score calculation system still using manual method. In this research will be made

  “Automatic

Scoring System On Shooting Competition With Target Animals Sillhouette Using the Naïve Bayes

Classification Method ” to determine which type of Sillhouette is shot and add a score on the system

monitor.The Naïve Bayes Classification Method is used in the classification process of the hit Sillhouette

to influence the score in the Competition. The prototypes of this system use some components of

ADXL335 Accelerometer, Load Cell, Limit Switch, Switch, HX711 Module, and Arduino Mega 2560

and Arduino Uno as processors. Based on the results of the test on this system, the accuracy level of the

sensor data is 95.73% and the accuracy of the Naïve Bayes classification is 100%.

  Keywords : Automatic Scoring System, Naïve Bayes Classification, Animal Sillhouette

  akurat sehingga lomba akan menjadi lebih 1. efektif. Biasanya perhitungan skor menembak

   PENDAHULUAN

  dilakukan secara manual dengan menggunakan Menembak adalah olahraga kompetitif tenaga manusia. Scoring bisa dikatakan sebagai yang menguji kemahiran, akurasi dan kecepatan suatu metode pemberian harkat terhadap dengan menggunakan berbagai jenis senjata masing-masing value parameter pada seperti senjata api (Firearms) hingga senjata perlombaan menembak untuk menentukan nilai angin (Airguns) (LenteraKecil, 2016). Olahraga yang didapatkan peserta lomba dalam menembak memiliki beberapa jenis cabang, melakukan penembakan terhadap target. antara lain tembak reaksi, berburu (Hunting),

  Menembak kelas Sillhouette merupakan tembak sasaran, hingga Clay Pigeon Shooting. kegiatan menembak sebuah benda mati atau

  Dalam olahraga menembak, diperlukan suatu target berupa gambar atau benda yang mirip sistem yang dapat menghitung skor dengan

  Fakultas Ilmu Komputer Universitas Brawijaya

5164 dengan target hewan yang diburu dalam bentuk mini. Pada umumnya kegiatan ini dilaksanakan pada lomba-lomba menembak. Kelas senapan angin yang dilombakan adalah jenis pompa, per dan gas (pcp), pada umumnya jarak yang dilombakan sejauh 10 meter tanpa menggunakan telescope sedangkan yang menggunakan telescope bisa sejauh 25-40 meter keatas (Ramadhan, Maulana, & Ichsan, 2018).

  Sillhouette hewan terdapat banyak varian,

  serta implementasi software sesuai dengan perancangan. Tahap berikutnya dilakukan pengujian dan analisis pada rancangan yang telah dibangun. Kesimpulan dan saran disertakan sebagai catatan atas rancangan dan kemungkinan arah pengembangan selanjutnya. Langkah-langkah yang dilakukan dalam penelitian ini ditunjukkan pada Gambar 1.

  untuk mengukur pergerakan posisi pada Sillhouette.

  Sillhouette adalah Load Cell dan sensor ADXL335

  Perangkat keras (Hardware) digunakan untuk membangun scoring system yang mendukung mikrokontroller untuk menerapkan klasifikasi Naïve Bayes sebagai pengambil keputusan output . Mikrokontroler yang digunakan adalah Arduino Mega 2560. Input yang digunakan untuk mengukur berat

  Modul HX711 , dan Limit Switch yang diletakan pada kotak penyimpanan berbahan plastik.

  untuk menentukan apakah Sillhouette yang jatuh termasuk dalam mode penembakan. Dalam perancangan Prototype Scoring System menggunakan Load Cell, sensor ADXL335 ,

  Bayes

  Pada perangkat yang dirancang, sistem dapat melakukkan scoring berdasarkan dari berat pada Sillhouette, dan orientasi gerakan pada Sillhouette ketika ditembak. Input berupa berat dan getaran pada Sillhouette yang diolah menggunakan mikrokontroler. Output pada sistem menggunakan metode klasifikasi Naïve

  3.1. Perancangan Prototype Sistem

  IMPLEMENTASI

  Gambar 1. Waterfall Diagram Metode Penelitian 3. PERANCANGAN DAN

  hardware

  seperti ayam, kalkun, babi ataupun domba. Skor pada lomba menembak pun disesuaikan dengan jenis Sillhouette yang tertembak..

  Tipe penelitian yang dilakukan adalah implementatif. Implementatif yaitu bersifat observasi dengan menggunakan rancang bangun yang sederhana. Langkah pertama yang dilakukan adalah mengumpulkan teori-teori pendukung penelitian dan dikemas dalam studi literatur. Kemudian dilanjutkan dengan proses analisis kebutuhan. Setelah tahap analisis kebutuhan, proses selanjutnya adalah melakukan proses perancangan yang dilanjutkan dengan proses implementasi

  sangat efektif dan efisien karena dalam melakukan klasifikasi Naive Bayes dapat bekerja secara independen pada setiap fitur-fitur objek yang akan dilakukan klasifikasi (Rivani, Syauqy, & Ichsan, 2017). Berdasarkan hal tersebut, penulis bermaksud melakukan penelitian yang berjudul “Scoring System Pada Lomba Menembak Dengan Target Sillhouette Hewan Menggunakan Metode Naïve Bayes ”. Sehingga dengan adanya penelitian ini, diharapkan dapat mempermudah proses penentuan skor pada lomba menembak.

  Naive Bayes merupakan metode klasifikasi yang

  Dalam penentuan skor, diperlukan metode yang tepat untuk melakukan klasifikasi. Metode

  Setelah diperhatikan, lalu pengamat atau juri memberi nilai.

  Sillhouette tersebut benar-benar jatuh atau hanya miring.

  harus memperhatikan apakah

  Sillhouette domba tertembak, pengamat atau juri

  Salah satu kendala yang menjadi perhatian utama adalah proses scoring. Hal ini dikarenakan proses scoring masih manual dan membutuhkan pengamat atau juri untuk menilai hasil tembakan. Sebagai contoh, ketika

  Tujuan adanya perlombaan menembak adalah menguji kemahiran, akurasi dan kecepatan dengan menggunakan berbagai jenis senjata seperti senjata api hingga senjata angin (JEHACESHOOTINGCLUB, 2017). Namun pada kenyataannya, dalam teknis perlombaan,panitia pelaksana masih banyak menemui kendala.

2. METODOLOGI PENELITIAN

  3 39 - - - Limit

• 40 - - SCK3 - - 41 - -

  dari perancangan perangkat keras, input data berupa sensor ADXL335 , Load Cell, dan Limit

  3

  DOUT

• 46 - - - -

  3

  State Push

  4 47 - - - Limit

• 48 - - SCK4 - - 49 - -

  4

  DOUT

  4

  Tabel 1 merupakan skema konfigurasi pin

  akan di proses pada Arduino sehingga sistem mengetahui skor dan jenis Sillhouette yang tertembak. Kemudian hasil dari proses yang dilakukkan pada Arduino akan ditampilkan melalui monitor. Pada Limit Switch terdapat rangkaian Debounce untuk menghilangkan efek

  Switch . Selanjutnya data pada sensor ADXL335 , Load Cell , dan Limit Switch yang telah diambil

  State Push

  bouncing yang terjadi pada Limit Switch, karena

  efek bouncing ini akan menyebabkan nilai dari variabel Limit Switch tidak akurat, ketika ditekan

  Limit Switch value nya tidak tentu antara 0 atau 1.

  Pada perancangan perangkat lunak (Software) untuk pengambilan data sensor dimaksudkan untuk menentukan output pembacaan data sensor mana yang akan diolah untuk dilakukan klasifikasi dengan menggunakan Naive Bayes, karena pada dasarnya mikrokontroler akan melakukan pembacaan nilai sensor secara terus menerus.

  Flowchart dari perancangan perangkat lunak

  (Software) pembacaan data sensor terdapat pada Gambar 4 .

• 24 - -
• 25 - -

  3.2. Perancangan Software Pembacaan Sensor

• 30 - - - -

  Pada perancangan perangkat lunak (Software) untuk pengambilan data sensor dimaksudkan untuk menentukan output pembacaan data sensor mana yang akan diolah untuk dilakukan klasifikasi dengan menggunakan Naive Bayes, karena pada dasarnya mikrokontroler akan melakukan pembacaan nilai sensor secara terus menerus.

  2 31 - - - Limit

  2

  DOUT

  Gambar 2. Perancangan Prototype Scoring System Tabel 1. Konfigurasi pin

  Pin Arduin o

  Mega 2560

  Pin Arduino

  Uno Pin _{ADXL 335}

  (Acceler _ometer )

  Pin _{Load Cell} Pin _{Limit Switch} Pin _Switch

  (State Push)

  Vcc - Vcc Vcc Vcc Vcc GND GND GND GND GND GND

  SDA A5 - - - - SCL A4 - - - -

  A0 - x1 - - - A1 - y1 - - - A2 - z1 - - - A3 - x2 - - - A4 - y2 - - - A5 - z2 - - - A6 - x3 - - - A7 - y3 - - - A8 - z3 - - - A9 - x4 - - -

  A10 - y4 - - - A11 - z4 - - - 22 - - - -

  State Push

  1 23 - - - Limit

  1

  SCKO UT1

  DOUT

  1

  State Push

• 32 - - SCK2 - - 33 - -
• 38 - - - -

  2

  Flowchart dari perancangan perangkat lunak

  (Software) pembacaan data sensor terdapat pada pembacaan data sensor Accelerometer & Limit

  Gambar 4 Switch .

  terdapat pada Gambar 6.

  Gambar 5. Flowchart Perancangan Software pembacaan sensor Load Cell & Switch

  Gambar 4. Flowchart Perancangan Software pembacaan sensor

  Pembacaan sensor Load Cell dan Switch dimulai dari pembacaan data state push (Switch) terlebih dahulu. Kemudian sistem akan memberi konfirmasi apakah nilai state push (Switch) = 1 atau tidak. Jika tidak maka akan kembali ke proses sebelumnya, namun jika iya maka sistem akan melakukan pembacaan sensor Load Cell. Jika data sensor Load Cell sudah dibaca, maka data tersebut akan diambil. Kemudian data yang sudah diambil akan disimpan sebagai salah satu parameter klasifikasi Sillhouette. Flowchart dari perancangan perangkat lunak (Software) pembacaan data sensor Load Cell & Switch terdapat pada Gambar 5.

  Pembacaan Accelerometer dan Limit Switch dimulai dari pembacaan data sensor

  Accelerometer terlebih dahulu. Setelah itu sistem akan membaca data sensor Limit Switch.

  Gambar 6. Flowchart Perancangan Software

  Lalu kemudian sistem akan memberi konfirmasi

  pembacaan sensor Accelerometer & Limit Switch apakah data sensor Limit Switch = 1 atau tidak.

  Jika tidak maka akan kembali ke proses sebelumnya, namun jika iya maka data sensor

  Load Cell

  dan Accelerometer akan di kirimkan ke Arduino Unountuk melakukan proses klasifikasi Naïve Bayes. Flowchart dari perancangan perangkat lunak (Software)

3.3. Perancangan Klasifikasi Naïve Bayes

  Gambar 7. Flowchart Perancangan Klasifikasi Naïve Bayes

  Dalam melakukan proses klasifikasi menggunakan metode Naive Bayes terdapat beberapa tahap sesuai dengan Gambar 7 dimana yang menjadi masukan awal adalah nilai dari hasil pembacaan sensor. Hasil pembacaan sensor ini lah yang akan menjadi fitur-fitur yang mempengaruhi penentuan klasifikasi jenis silhouette mana yang terjatuh, selain itu hasil klasifikasi juga dipengaruhi oleh nilai dari data latih. Proses dimulai dari menentukan hasil dari fungsi ProbPrior(), menentukan hasil dari dari fungsi Gaussian(), menentukan hasil dari fungsi

  ProbPosterior (), menentukan hasil peluang

  tertinggi hingga didapatkan hasilnya. Adapun penjelasan dari masing-masing fungsi ditunjukkan dan dibahas sesuai dengan beberapa

  Flowchart .

  Tahap pertama yang dilakukan dalam mengklasifikasikan posisi Sillhouette dengan metode Naive Bayes adalah menghitung nilai prior dari masing kelas. Seperti yang dijelaskan pada Gambar 8, nilai prior merupakan nilai peluang terjadinya suatu kelas dengan cara membagi banyaknya data dalam suatu kelas (dalam sistem ini terdapat 8 kelas yaitu Ayam Tertembak, Ayam Tidak Tertembak, Kalkun Tertembak, Kalkun Tidak Tertembak, Babi Tertembak, Babi Tidak Tertembak, Domba Tertembak dan Domba Tidak Tertembak) dengan jumlah keseluruhan data yang ada. Data yang dilakukan perhitungan nilai prior adalah data latih.

  Gambar 8. Flowchart Fungsi ProbPrior()

  Gambar 9. Flowchart Fungsi Gaussian()

  Tahap kedua yaitu untuk menentukan nilai peluang dari masing-masing fitur. Terdapat 4 fitur yang digunakan dalam sistem ini yaitu 3 fitur dari pembacaan sensor Accelerometer

  ADXL335 (fitur X, fitur Y dan fitur Z) serta 1

  fitur lainnya dari pembacaan sensor Load Cell yaitu berat dari Sillhouette. Namun sebelum dapat menentukan nilai peluang dari masing- masing fitur, terlebih dahulu harus dilakukan perhitungan mean dan standar deviasi dari data latih. Adapun rumus dari mean dan standar

  deviasi terdapat pada Persamaan (1) dan Persamaan (2) .

  ∑

  =1 (1)

  ̅ = n

  ∑ =1 ( − ̅)2 (2)

  = √ −1

  Keterangan : : nilai simpangan baku (standar deviasi) ̅ : nilai rata-rata (mean)

  : nilai sampel ke-i n : jumlah sampel Pada sistem ini, data latih yang berupa nilai

  mean dan standar deviasi disimpan pada

  pemrograman mikrokontroler untuk mempermudah dalam mengakses nilai dari data latih saat sistem dijalankan. Selanjutnya perhitungan Gaussian dilakukan dengan

  Gambar 10. Flowchart Fungsi ProbPosterior()

  menggunakan Persamaan (3) dengan Alur fungsi Gaussian yang terdapat pada Gambar 9.

  3.4. Implementasi Sistem ( − )2

  Pada tahap implementasi Prototype Scoring −

  1

  2 2 System , alat yang digunakan antara lain box

  (3)

  P(X = |Y = ) = √2

  2 plastic yang berfungsi sebagai tempat sensor Load Cell

  , Switch, dan Limit Switch. Penopang Keterangan :

  Sillhouette berbahan akrilik yang berfungsi

  ( : Peluang gaussian = | = ) selain menjadi penopang Sillhouette juga e : nilai eksponen (2,718282) sebagai tempat ditempelnya sensor ADXL335 .

  :nilai simpangan baku (standar deviasi) Kontroler ditutupi dengan kardus berwarna

  ̅ : nilai rata-rata (mean) hitam untuk menjaga estetika dari sistem ini.

  : nilai sampel ke-i Pada tahap Implementasi Prototype Scoring n : jumlah sampel

  System ini harus sesuai dengan Perancangan Prototype Scoring System . Tampilan prototype

  Tahap selanjutnya adalah menentukan nilai sistem tampak depan terdapat pada Gambar 11. dari peluang posterior, peluang posterior yaitu peluang untuk menentukan besarnya peluang masing-masing kelas akan terjadi ketika adanya masukan dari tiap fitur. Pada sistem ini yaitu untuk menentukan besarnya peluang masing- masing kondisi Sillhouette akan terjadi ketika adanya pembacaan nilai fitur X, fitur Y, fitur Z dan fitur Berat. Seperti penjelasan pada Gambar

  10 , proses perhitungan ProbPosterior() dengan

  melakukan perkalian antara hasil dari fungsi

  ProbPrior() dengan fungsi Gaussian(). Tahap

  akhir dalam pengklasifikasian dengan Naïve

  Bayes

  ini adalah menentukan nilai peluang

  posterior yang tertinggi dengan cara Gambar 11.

  membandingkan satu sama lain antar peluang Implementasi Prototype Scoring

  System posterior

  . Kondisi Sillhouette dengan nilai peluang posterior paling tinggi merupakan hasil yang klasifikasi kondisi Sillhouette yang dideteksi oleh sistem.

4. PENGUJIAN DAN ANALISIS

4.1. Pengujian Sensor Load Cell

  64 68 6,25%

  4.2. Pengujian Sensor Limit Switch

  Pada Tabel 2 ditunjukan bahwa rata-rata nilai error pada pengujian sensor Load Cell adalah sebesar 4,27%. Hasil tersebut didapatkan setelah melalui berbagai macam prosedur sehingga berhasil didapatkan data dari Load Cell dan timbangan digital sebagai parameter pembanding.

  40 Domba 67,22 68 1,16% Rata-rata 4,27%

  39 Domba 74,2 68 8,36%

  38 Domba 70,09 68 2,98%

  36 Domba 68,12 68 0,18%

  37 Domba

  Tabel 3.

  35 Domba 63,21 68 7,58%

  34 Domba 53,2 68 27,82%

  33 Domba 62,65 68 8,54%

  32 Domba 68,49 68 0,72%

  31 Domba 59,95 68 13,43%

  Pengujian sensor Limit Switch bertujuan untuk mengetahui apakah Sillhouette jatuh atau tidak. Angka yang paling kanan merepresentasikan nilai Limit Switch.

  1 Sillhouette Normal

  Pengujian Limit Switch Percobaan ke- Kondisi Akuisisi Data Sensor _{Limit Switch}

  1

  1

  10 Sillhouette Terjatuh

  1

  9 Sillhouette Terjatuh

  1

  8 Sillhouette Terjatuh

  7 Sillhouette Terjatuh

  29 Kalkun 35,36 36 1,81%

  1

  6 Sillhouette Terjatuh

  5 Sillhouette Normal

  4 Sillhouette Normal

  3 Sillhouette Normal

  2 Sillhouette Normal

  30 Kalkun 35,35 36 1,84%

  28 Kalkun 36,83 36 2,25%

  Pengujian sensor Load Cell memiliki tujuan, yakni untuk mengetahui berat dari masing-masing jenis Sillhouette.

  27 Kalkun 36,66 36 1,8%

  26 Kalkun 36,21 36 0,58%

  25 Kalkun 30,54 36 17,88%

  24 Kalkun 36,15 36 0,41%

  Gambar 12 Output sensor Load Cell

  Pada Gambar 12, terlihat bahwa sensor

  Load Cell

  pada Sillhouette kedua memiliki nilai dalam rentang 22,13

• – 27,54 gram. Hal ini dikarenakan sensor Load Cell memiliki nilai error (Xtopher, 2016).

  18 Ayam 29,99 29 3,3%

  5 Babi 47,12 48 1,86%

  23 Kalkun 37,22 36 3,28%

  22 Kalkun 36,52 36 1,42%

  21 Kalkun 37,74 36 4,61%

  20 Ayam 27,47 29 5,57%

  Tabel 2. Pengujian Sensor Load Cell Perco baan ke- Jenis _Sillhouette Akuisis i data _{load cell} (gram)

  Akuisis i data timban gan digital (garm) Persentase error

  1 Babi 48,25 48 0,52%

  2 Babi 48,3 48 0,62%

  3 Babi 47,85 48 0,31%

  4 Babi 46,94 48 2,25%

  6 Babi 48,12 48 0,25%

  17 Ayam 27,95 29 3,76%

  7 Babi 49,01 48 2,06%

  8 Babi 48,98 48 2%

  9 Babi 48,89 48 1,82%

  10 Babi 48,89 48 1,82%

  19 Ayam 30,81 29 5,87%

  12 Ayam 31,74 29 8,63%

  13 Ayam 29,93 29 3,11%

  14 Ayam 27,46 29 5,61%

  15 Ayam 28,07 29 3,31%

  16 Ayam 28,04 29 3,42%

  11 Ayam 29,56 29 1,89%

  37 Domba Tertem bak

  19 Ayam Tertem bak

• 36,41 -21,33 37,61

  0,08 2,49 11,68

  36 Domba Tertem bak

  35 Domba Normal 13,84 2,34 2,64

  34 Domba Normal 13,44 2,49 2,64

  33 Domba Normal 13,44 2,49 2,64

  32 Domba Normal 13,89 2,64 2,49

  31 Domba Normal 13,29 2,34 2,64

  30 Kalkun Tertem bak

  3,84 -3,39 23,14

  18 Ayam Tertem bak

  2,34 2,94 9,42

  15,6 2,19 -6,56

  20 Ayam Tertem bak

  4,45 3,24 22,24

  21 Kalkun Normal 13,29 2,34 4,3

  22 Kalkun Normal 13,74 2,34 4,6

  23 Kalkun Normal 13,59 2,64 5,35

  24 Kalkun Normal 13,74 2,04 4,9

4.3. Pengujian Sensor ADXL 335

  25 Kalkun Normal 13,04 2,49 5,65

  26 Kalkun Tertem bak

  5,2 8,67 21,33

  27 Kalkun Tertem bak

  4 8,37 22,69

  28 Kalkun Tertem bak

• 21,48 2,49 8,97
• 23,29 -0,68 16,81
• 22,84 0,05 12,29
• 21,18 6,26 16,66

  39 Domba Tertem bak

  38 Domba Tertem bak

  Sillhouette dalam keadaan normal (tidak

  Pada Tabel 4 yang merupakan hasil dari pembacaan sensor ADXL335 Accelerometer setelah melalui berbagai macam prosedur sehingga berhasil didapatkan data dari Sensor

  40 Domba Tertem bak

  Pada Tabel 3 yang merupakan representasi nilai data sensor Limit,ada 10 pengujian yang dilakukan. Jika nilai Limit Switch sama dengan 0, bisa dikatakan Sillhouette dalam keadaan normal atau tidak tertembak. Namun jika nilai

  Limit Switch sama dengan 1, bisa dikatakan Sillhouette dalam keadaan terjatuh atau

  tertembak.

  Accelerometer

  Tujuan dilakukannya pengujian pada sensor

  ADXL335 Accelerometer adalah untuk

  mengetahui percepatan dan getaran dari

  Sillhouette ketika Sillhouette tertembak. Pada

  pengujian sensor ADXL335 Accelerometer dilakukan dengan 2 perlakuan, yaitu ketika

  tertembak) dan ketika Sillhouette dalam keadaan ditembak. Menentukan tingkat akurasi hasil Klasifikasi Naïve Bayes dengan rumus

  29 Kalkun Tertem bak

  Persamaan (3) dibawah ini : =

  − 100%

  (3) Tabel 4. Pengujian Sensor ADXL335 Accelerometer

  Percob aan ke- Jenis _{Sillhoue tte} Kondisi Nilai sensor ADXL335 _{Accelerometer}

  X Y Z

  1 Babi Normal 13,59 2,19 2,49

  2 Babi Normal 13,53 1,88 2,79

  3 Babi Normal 13,44 2,04 2,49

  4 Babi Normal 13,14 2,19 2,34

  5 Babi Normal 13,29 2,04 2,64

  6 Babi Tertem bak

  22,69 7,61 6,61

• 22,84 19,98 13,04
• 22,54 19,08 14,44

• 23,43 19,27 13,07

  1,13 5,05 19,98

  perlakuan pada Sillhouette yaitu normal dan tertembak. Ketika kondisi Sillhouette normal nilai pada masing-masing sumbu berbeda-beda namun cenderung stabil, karena pada saat kondisi normal Sillhouette tidak bergerak. Berbeda ketika Sillhouette tertembak, masing- masing sumbu akan menghasilkan nilai yang berbeda-beda, namun output nya cenderung tidak stabil. Hal ini dikarenakan kecepatan peluru ketika berbenturan dengan Sillhouette tidak stabil yang mengakibatkan Sillhouette terjatuh dengan kecepatan yang berbeda sehingga tak jarang hasil akusisi data sensor ini bernilai minus.

  Sillhouette berbeda-beda tergantung dari kondisi

  . Hal ini menunjukkan bahwa percepatan dan getaran pada setiap jenis

  ADXL335 Accelerometer

  7 Babi Tertem bak

  8 Babi Tertem bak

  9 Babi Tertem bak

• 23,14 16,36 15,45

  10 Babi Tertem bak

• 22,84 19,98 13,04

  11 Ayam Normal 13,74 1,13 4,45

  12 Ayam Normal 13,59 1,28 4,45

  13 Ayam Normal 13,74 1,58 5,05

  14 Ayam Normal 13,29 1,43 4,75

  15 Ayam Normal 13,89 1,28 4,75

  16 Ayam Tertem bak

  1,58 5,05 16,66

  17 Ayam Tertem bak

4.4. Pengujian Akurasi Hasil Klasifikasi

  LenteraKecil. (2016, February 18). Manfaat dan

  komponen alat yang digunakan maupun metode

  Naïve Bayes yang diterapkan dapat berjalan

  sesuai dengan yang diinginkan, terbukti dengan sistem dapat mengklasifikasikan jenis

  Sillhouette yang tertembak.

  Akurasi yang diperoleh “Scoring System Otomatis Pada Lomba Menembak Dengan Target Sillhouette Hewan Menggunakan Metode

  Naïve Bayes” yang diuji dengan jumlah data uji yakni sebanyak 24 data adalah senilai 100%.

  DAFTAR PUSTAKA JEHACESHOOTINGCLUB. (2017, May 13).

  Peraturan Pertandingan/Lomba Menembak. Kabupaten Bekasi, Jawa Barat, Indonesia.

  Falsafah Olahraga Menembak . Retrieved

  Dengan Target Sillhouette Hewan Menggunakan Metode

  from Lentera Kecil: https://lenterakecil.com/manfaat-dan- falsafah-olahraga-menembak/ Ramadhan, H., Maulana, R., & Ichsan, M. H.

  (2018). Scoring System Otomatis pada Lomba Menembak dengan Target Silhouette Hewan Menggunakan Logika Fuzzy.

  Rivani, F., Syauqy, D., & Ichsan, M. H. (2017).

  Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer. Implementasi Naive

  Bayes pada Embedded System untuk Menentukan Status Gizi Bayi

  , 1277-1284. Xtopher. (2016, July 22). Load Cell Amplifier -

  HX711

  . Retrieved from Sparkfun: https://www.sparkfun.com/news/2150

  Naïve Bayes”. Dimana baik semua

  Naïve Bayes Scoring System Pada Lomba Menembak

  Dengan Target Sillhouette Hewan Menggunakan Metode Naïve Bayes ini mempunyai tujuan utama untuk dapat mengklasifikasikan jenis

  Hewan menggunakan Metode Naive

  Sillhouette yang tertembak dan bagaimana

  proses pemberian skornya. Oleh karena itu perlu diketahui tingkat keakuratan sistem dalam melakukan klasifikasi Naïve Bayes.

  Tabel 5. Pengujian Akurasi Metode Klasifikasi Naïve Bayes

  Jumlah data uji

  44 Jumlah data hasil klasifikasi sistem yang sesuai

  44 Persentase akurasi 100%

  Berdasarkan hasil pengujian yang ditunjukkan pada Tabel 5 terlihat bahwa dari jumlah 44 data semuanya sesuai. Sehingga akurasi yang diperoleh Scoring System Otomatis Pada Lomba Menembak Dengan Target

  Sillhouette

  Bayes ini berdasarkan Persamaan (3) adalah

  Pada penelitian ini telah dibua t “Scoring

  sebesar 100%. Proses perhitungan akurasinya sebagai berikut :

  = − 100% =

  44 − 0 44 100% =

  44 44 100% = 100% 5.

   KESIMPULAN

  Berdasarkan hasil analisis dari pengujian yang dilakukan dapat disimpulkan bahwa proses perancangan Scoring System Otomatis Pada Lomba Menembak Dengan Target Sillhouette Hewan dengan menyambungkan Load Cell, sensor ADXL 335 Accelerometer, dan Limit

  Switch

  ke kontroler input (Arduino Mega 2560) dan menghubungkan kontroler input (Arduino Mega 2560) ke pusat kontroler (Arduino UNO) menjadi sebuah sistem yang saling terhubung satu sama lain. Proses akuisisi pada Load Cell meliputi pembacaan berat pada Sillhouette. Akuisisi pada sensor ADXL 335 Accelerometer meliputi pembacaan percepatan sumbu gerak pada Sillhouette. Sedangkan proses akuisisi data pada Limit Switch meliputi pembacaan value ketika Sillhouette dalam keadaan normal dan tertembak.

  System Otomatis Pada Lomba Menembak