Pengenalan Bentuk Tangan Dengan Convolutional Neural Network (Cnn)

Authors

  • Muhammad Zein Ersyad Telkomuniversity
  • Kurniawan Nur Ramadhani Telkomuniversity
  • Anditya Arifianto Telkomuniversity

DOI:

https://doi.org/10.34818/eoe.v7i2.13117

Abstract

Abstrak — Pada saat ini terdapat beberapa sistem pengenalan gestur tangan yang memiliki tingkat kom- putasi dan upaya untuk persiapan perangkat yang cukup merepotkan. Tujuan utama penulis adalah mem- bangun sistem yang mendekati pengenalan gestur / bentuk tangan yang memiliki tingkat komputasi dan upaya yang lebih rendah, serta mendapatkan hasil performa sistem pada saat proses pengujian. Sistem yang dibangun menggunakan Convolutional Neural Network (CNN) dengan input berupa citra dan output berupa label dari input tersebut. Pengembangan sistem ini sudah dilakukan hingga tahap pengujian, model yang dihasilkan mendapatkan akurasi klasifikasi sebesar 88% yang diuji dengan 2142 citra dan digam- barkan dengan confusion matrix sebagai alat ukur performansi. Kata kunci : bentuk tangan, cnn, confusion matrix.

Downloads

Download data is not yet available.

References

[1]Jaime Lien, Nicholas Gillian, M. Emre Karagozler, Patrick Amihood, Carsten Schwesig, Erik Olson, Hakim Raja, and Ivan Poupyrev. Soli: Ubiquitous gesture sensing with millimeter wave radar. ACM Trans. Graph., 35(4), July 2016.

[2]Okan K o¨pu¨klu¨, Ahmet Gunduz, Neslihan Kose, and Gerhard Rigoll. Real-time hand gesture detection and classification using convolutional neural networks. arXiv 1901.10323, 2019.

[3]Rully Soelaiman I Wayan Suartika E. P, Arya Yudhi Wijaya. Klasifikasi citra menggunakan convolutional neural network (cnn) pada caltech 101. Jurnal Teknik ITS, 2016.

[4]Jost Springenberg, Alexey Dosovitskiy, Thomas Brox, and Martin Riedmiller. Striving for simplicity: The all convolutional net. arXiv 1412.6806, 12 2014.

[5]Nitish Srivastava, Geoffrey Hinton, Alex Krizhevsky, Ilya Sutskever, and Ruslan Salakhutdinov. Dropout: A simple way to prevent neural networks from overfitting. Journal of Machine Learning Research, 15:1929– 1958, 06 2014.

[6]Abien Fred Agarap. Deep learning using rectified linear units (relu). arXiv 1803.08375, 2018.

[7]Alex Krizhevsky,Ilya Sutskever, and Geoffrey Hinton. Imagenet classification with deep convolutional neural networks. Neural Information Processing Systems, 25, 01 2012.

[8]Anthony Gachagan Stephen Marshall Chigozie Nwankpa, Winifred Ijomah. Activation functions: Comparison of trends in practice and research for deep learning. arXiv 1811.03378, 2018.

[9]Karen Simonyan and Andrew Zisserman. Very deep convolutional networks for large-scale image recognition. arXiv 1409.1556, 09 2014.

[10]Sun Manli, Zhanjie Song, Xiaoheng Jiang, Jing Pan, and Yanwei Pang. Learning pooling for convolutional neural network. Neurocomputing, 224, 11 2016.

Downloads

Published

2020-08-01

Issue

Pages

8212-8222

Section

Program Studi S1 Informatika

How to Cite

Ersyad, M. Z., Ramadhani, K. N., & Arifianto, A. (2020). Pengenalan Bentuk Tangan Dengan Convolutional Neural Network (Cnn). EProceedings of Engineering, 7(2), 8212-8222. https://doi.org/10.34818/eoe.v7i2.13117