Klasifikasi Gestur Lengan Manusia Menggunakan Metode Knn Untuk Kendali Stop Kontak Pintar Berbasis Internet Of Things

Adiguna Ramdhana Adnan, Ig. Prasetya Dwi Wibawa, Willy Anugrah Cahyadi

Abstract

Abstrak
Computer vision merupakan ilmu pengetahuan yang mempelajari bagaimana suatu komputer
dapat mengenali objek yang diamati dengan proses pengenalan citra. Tujuannya yaitu meniru
fungsi mata dan otak pada manusia. Oleh karena itu, diperlukan adanya proses komunikasi
antara manusia dan komputer. Proses komunikasi tersebut dapat berupa gerakan tubuh manusia
sebagai objek yang diamati. Dengan adanya komunikasi antara manusia dan komputer, dapat
digunakan sebagai pengontrolan pada suatu perangkat. Pada tugas akhir ini dirancang sebuah
sistem pengontrolan menyalakan dan mematikan stop kontak dengan menggunakan isyarat
gestur pengguna sebagai perintah. Isyarat gestur pengguna dibaca oleh komputer secara realtime
menggunakan webcam, kemudian diklasifikasi menggunakan metode k-Nearest Neighbor. Hasil
dari tugas akhir ini adalah perangkat dapat menyalakan dan mematikan stop kontak dengan
menggunakan isyarat gestur pengguna sebagai perintah. Tingkat akurasi yang didapatkan
menggunakan metode k-Nearest Neighbor yaitu sebesar 70%, dengan penggunaan nilai k=3 dan
100 data latih.
Kata kunci: Pengenalan gerakan, K-Nearest Neighbor, Pengontrolan stop kontak
Abstract
Computer vision is a field of science that studies how a computer can recognize an object that
being observed using an image recognition process. The purpose is to imitate how human’s eye
and brain works. Therefore, it is necessary to have a communication process between humans and
computers. The communication can be in the form of human’s body gestures as an observed
object. With the communication between humans and computers, it can be used as a control on a
device. In this final project, a control system is designed to turn on and off the electric socket by
using user gestures as a command. User gestures are read by computer in realtime using a webcam,
then being classified using k-Nearest Neighbor method. The result of this final project is that the
device can turn on and off electric socket automatically using user’s body gestures as a command.
The accuracy rate that obtained using k-Nearest Neighbor method is 70%, with the value of k=3
and 100 training data.
Keywords: Gesture recognition, K-Nearest Neighbor, Electric socket control

Full Text:

PDF

Refbacks

  • There are currently no refbacks.
max_upload :0