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

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