Pangestu, Aji Fauzi (2023) IMPLEMENTASI DETEKSI HAND GESTURE BERBASIS DEEP LEARNING UNTUK KONTROL PROTOTYPE LIFT. Sarjana thesis, Universitas Siliwangi.
![[img]](http://repositori.unsil.ac.id/style/images/fileicons/text.png) |
Text
01 Cover.pdf Download (136kB) |
|
Text
02 Lembar Pengesahan.pdf Download (397kB) |
|
Text
03 Lembar Pengesahan Penguji.pdf Download (395kB) |
|
Text
04 Lembar Pernyataan Keaslian.pdf Download (356kB) |
|
Text
05 Abstrak.pdf Download (202kB) |
|
Text
06 Abstract.pdf Download (201kB) |
|
Text
07 Halaman Persembahan dan Motto.pdf Download (184kB) |
|
Text
08 Kata Pengantar.pdf Download (475kB) |
|
Text
09 Daftar Isi.pdf Download (268kB) |
|
Text
10 Daftar Tabel.pdf Download (200kB) |
|
Text
11 Daftar Gambar.pdf Download (207kB) |
|
Text
12 Daftar Lampiran.pdf Download (199kB) |
|
Text
13 Daftar Source Code.pdf Download (247kB) |
|
Text
14 BAB I.pdf Download (158kB) |
|
Text
15 BAB II.pdf Download (682kB) |
|
Text
16 BAB III.pdf Download (264kB) |
|
Text
17 BAB IV.pdf Restricted to Repository staff only Download (1MB) |
|
Text
18 BAB V.pdf Restricted to Repository staff only Download (145kB) |
|
Text
19 Daftar Pustaka.pdf Download (219kB) |
|
Text
20 Lampiran.pdf Restricted to Repository staff only Download (519kB) |
Abstract
Hand gesture dengan pendekatan interaksi manusia-komputer memegang peranan penting dalam interaksi dengan mesin. Banyak aplikasi yang dikembangkan menggunakan gesture, beberapa di antaranya adalah kontrol peralatan rumah tangga, robot, dan lain sebagainya. Namun, terdapat masalah dalam implementasinya seperti penggunaan hand gesture berbasis sarung tangan menggunakan sensor yang menyebabkan kerusakan kulit pada pengguna yang memiliki kulit sensitif. Penelitian ini bertujuan untuk mengimplementasikan deteksi hand gesture berbasis deep learning untuk kontrol prototype lift, sehingga terhindar dari penggunaan hand gesture berbasis sensor sarung tangan. Pada implementasinya, objek tangan ditangkap oleh kamera kemudian diproses oleh salah satu model deep learning yaitu YOLOv4 untuk mendeteksi hand gesture, jika hand gesture berhasil terdeteksi maka mengirim sinyal kepada prototype lift untuk berpindah lantai sesuai kelas yang terdeteksi. Penelitian ini menggunakan dataset dengan tiga jenis kelas yaitu lantai 1, lantai 2, dan lantai 3 dengan total 3600 gambar yang telah di augmentasi. Dataset dilatih dengan empat skema pelatihan, masing�masing skema terdapat konfigurasi yang berbeda. Parameter yang diuji adalah mean average precision (mAP) dan deteksi jarak. Nilai mAP tertinggi sebesar 100,00% dengan konfigurasi learning rate 0,00261, batch 64, subdivision 16, network size, 416, max batch 6000, filters 24. Pada pengujian sistem deteksi hand gesture, model tersebut berhasil diimplementasikan untuk kontrol prototype lift menggunakan kamera secara langsung dan dapat mendeteksi hand gesture pada maksimal jarak kurang lebih 0,5 meter. Kata kunci: hand gesture, deteksi objek, deep learning, YOLOv4, human�computer interaction
| Item Type: | Thesis (Sarjana) |
|---|---|
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Fakultas Teknik > Informatika |
| Depositing User: | Rema Puri Irma Sri Katon |
| Date Deposited: | 01 Dec 2023 00:42 |
| Last Modified: | 01 Dec 2023 00:42 |
| URI: | http://repositori.unsil.ac.id/id/eprint/11129 |
Actions (login required)
 |
View Item |