Perpustakaan Digital ITB

Pembinaan sepak bola di Indonesia pada tingkat akar rumput, seperti Sekolah Sepak Bola (SSB), masih menghadapi kendala dalam evaluasi performa tim yang kerap bersifat subjektif dan minim dokumentasi. Penelitian ini bertujuan mengembangkan BinaBola Statistics, sebuah platform analisis video berbasis deep learning yang mampu mendeteksi aksi dalam pertandingan sepak bola secara otomatis dan menyajikan statistik performa tim untuk mendukung pembinaan yang lebih objektif, terstruktur, dan berbasis data. Sistem ini mengintegrasikan alur kerja mulai dari perekaman pertandingan menggunakan Veo Camera, ekstraksi frame video, prediksi aksi menggunakan model T-DEED (Temporal-Discriminability Enhancer Encoder-Decoder), hingga visualisasi hasil analisis melalui platform web interaktif. Evaluasi teknikal menunjukkan model T-DEED meraih mean Average Precision (mAP) sebesar 59,10% (team-aware) pada data SoccerNet dan 75,77% pada data pembinaan SSB MG ITB. Namun, hasil pada data pembinaan belum sepenuhnya meyakinkan karena jumlah anotasi manual masih terbatas. Evaluasi pengguna melalui wawancara dengan pelatih, manajemen SSB, dan orang tua pemain menegaskan manfaat platform ini, meski masih dibutuhkan pengembangan fitur seperti statistik individu dan analisis posisi pemain. Kesimpulannya, BinaBola Statistics berhasil menjawab permasalahan evaluasi performa tim secara otomatis dan visual, serta berpotensi menjadi alat pendukung pembinaan sepak bola di tingkat akar rumput. Pengembangan selanjutnya dapat mencakup peningkatan jumlah dan keragaman data anotasi pembinaan, integrasi pelacakan pemain, pembuatan dashboard personal, dan pemanfaatan kecerdasan buatan untuk analisis taktis yang lebih mendalam.