IMPLEMENTASI DETEKSI HAND GESTURE BERBASIS DEEP LEARNING UNTUK KONTROL PROTOTYPE LIFT

Pangestu, Aji Fauzi (2023) IMPLEMENTASI DETEKSI HAND GESTURE BERBASIS DEEP LEARNING UNTUK KONTROL PROTOTYPE LIFT. Sarjana thesis, Universitas Siliwangi.

	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

Actions (login required)

View Item