Perpustakaan Digital ITB

Tarian secara umum terbentuk dari serangkaian frase yang diperagakan dalam suatu rentang waktu. Frase juga merupakan rangkaian gestur yang terdiri atas urutan beberapa pose. MMT (Model Markov tersembunyi) dirancang untuk mengenali frase secara bertahap yang diawali pengenalan pose. Pose kunci diidentifikasi terlebih dahulu menggunakan metode pengelompokan K-means. Pengenalan pose dilakukan dengan dua metode yaitu MMT dan kNN (k-Nearest Neighbor). Urutan pose dipergunakan sebagai masukan pengenalan frase tari Sigeh Penguten sehingga sistem pengenalan ini memanfaatkan MMT bertingkat. Sistem diujikan untuk mengenali tujuh frase pada tari Sigeh Pengunten. Pengenalan frase menggunakan skema MMT bertingkat dapat mengenali tujuh frase dengan ketepatan 74%. Penambahan fitur untuk membedakan frase Samber Melayang dan Kenui Melayang berhasil memperbaiki kesalahan pengenalan dan meningkatkan ketepatan hingga 79%. Pengenalan pose lebih cocok dilakukan dengan metode kNN yang memiliki kinerja lebih baik daripada MMT hingga 20%. Penggunaan kNN pada tingkat pose dalam skema MMT bertingkat menyebabkan ketepatan pengenalan frase meningkat hingga 80%. Penggunaan kNN untuk tingkat pose lebih efektif daripada model Markov tersembunyi.