IMPLEMENTASI MODEL OBJECT DETECTION YOLOv8 UNTUK SISTEM PERHITUNGAN BALL POSSESSION PADA VIDEO SEPAK BOLA

Vernando Bayu Putra Pratama, - (2024) IMPLEMENTASI MODEL OBJECT DETECTION YOLOv8 UNTUK SISTEM PERHITUNGAN BALL POSSESSION PADA VIDEO SEPAK BOLA. S1 thesis, Universitas Pendidikan Indonesia.

	Text S_RPL_2006503_Title.pdf.pdf Download (832kB)
	Text S_RPL_2006503_Chapter1.pdf Download (62kB)
	Text S_RPL_2006503_Chapter2.pdf Restricted to Staf Perpustakaan Download (159kB)
	Text S_RPL_2006503_Chapter3.pdf Download (497kB)
	Text S_RPL_2006503_Chapter4.pdf Restricted to Staf Perpustakaan Download (497kB)
	Text S_RPL_2006503_Chapter5.pdf Download (1MB)
	Text S_RPL_2006503_Appendix.pdf Restricted to Staf Perpustakaan Download (446kB)

Abstract

Seiring meningkatnya popularitas sepak bola, analisis data menjadi semakin penting untuk meningkatkan performa tim. Salah satu metrik kunci dalam analisis sepak bola adalah penguasaan bola (ball possession). Namun, metode untuk menghitung ball possession masih mengandalkan pengamatan manual, yang rentan terhadap kesalahan dan membutuhkan waktu yang lama. Penelitian ini bertujuan untuk mengembangkan sebuah sistem otomatis yang dapat menghitung penguasaan bola secara akurat dan efisien, menggantikan metode manual yang rentan terhadap kesalahan. Sistem yang dikembangkan memanfaatkan model deteksi objek YOLOv8 untuk mendeteksi posisi pemain dan bola dalam video pertandingan sepak bola, serta bytetrack untuk melakukan pelacakan ketiap-tiap objek yang ada pada vidio. Algoritma K-Means digunakan untuk mengklasifikasikan pemain menjadi dua tim, sementara interpolasi linear digunakan untuk melacak pergerakan bola secara kontinu. Jarak Euclidean kemudian diterapkan untuk menentukan pemain mana yang paling dekat dengan bola pada setiap frame, sehingga dapat ditentukan tim yang sedang menguasai bola. Kombinasi antara YOLOv8 dan algoritma pelacakan ByteTrack memberikan hasil yang sangat memuaskan, dengan precision sebesar 96,47%, recall 84,64%, mAP 87,50%, dan nilai MOTA (Multiple Object Tracking Accuracy) sebesar 81,42%. Ouput dari model ini akan berupa video yang menampilkan persentase ball possession kedua tim serta berapa lama tiap individu menguasai bola dengan begitu hasil dari model ini dapat menjadi data yang berharga bagi pelatih dan analis sepak bola untuk memahami dan mengembangkan strategi tim berdasarkan penguasaan bola yang lebih terukur dan obyektif. ----------- As the popularity of soccer increases, data analysis becomes increasingly important for improving team performance. One key metric in soccer analysis is ball possession. However, methods for calculating ball possession still rely on manual observation, which is prone to errors and time-consuming. This research aims to develop an automated system that can accurately and efficiently calculate ball possession, replacing the error-prone manual methods. The developed system utilizes the YOLOv8 object detection model to detect player and ball positions in soccer match videos, and ByteTrack for tracking each object in the video. The K-Means algorithm is used to classify players into two teams, while linear interpolation is employed to continuously track the ball's movement. Euclidean distance is then applied to determine which player is closest to the ball in each frame, allowing for the identification of the team currently in possession of the ball. The combination of YOLOv8 and ByteTrack tracking algorithms yields highly satisfactory results, with a precision of 96.47%, recall of 84.64%, mAP of 87.50%, and a Multiple Object Tracking Accuracy (MOTA) value of 81.42%. The model's output includes a video showing the percentage of ball possession for both teams and the duration each individual player controls the ball. This model provides valuable data for coaches and soccer analysts to understand and develop team strategies based on more measurable and objective ball possession metrics.

Item Type:	Thesis (S1)
Additional Information:	https://scholar.google.com/citations?view_op=new_articles&hl=id&imq=VERNANDO+BAYU&authuser=1# Indira Syawanodya: 0023049203 Raditya Muhammad: 0007059203
Uncontrolled Keywords:	Deteksi Objek, Yolo, Pelacakan Objek, Bytetrack, Penguasaan Bola Object Detection, Yolo, Object Tracking, Bytetrack, Ball Possession
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	UPI Kampus cibiru > S1 Rekayasa Perangkaat Lunak
Depositing User:	Vernando Bayu Putra Pratama
Date Deposited:	11 Sep 2024 03:05
Last Modified:	11 Sep 2024 03:05
URI:	http://repository.upi.edu/id/eprint/121849

Actions (login required)

View Item