Fakhruddin, Muhammad Aldi (2023) TA : Sistem Deteksi Gestur Jari Tangan menggunakan Mediapipe dan Faster-RCNN untuk Mengontrol Kecepatan Kipas Angin. Undergraduate thesis, Universitas Dinamika.
![[img]](https://repository.dinamika.ac.id/style/images/fileicons/text.png) |
Text
19410200015-2023-UNIVERSITAS DINAMIKA.pdf - Accepted Version Download (1MB) |
|
Text
19410200015-2023-LAMPIRAN.pdf - Accepted Version Restricted to Repository staff only Download (951kB) |
Search this title on : 
| 
Abstract
Dalam Perkembangan teknologi saat ini mendorong manusia untuk berkreasi sesuatu yang membuat pekerjaan menjadi lebih mudah. Perkembangan teknologi mengalami kemajuan yang sangat pesat. Mikrokontroler sekarang berkembang pesat dan semakin diminati dalam aplikasi sistem kontrol. Salah satu modul mikrokontroler yang paling umum adalah Arduino. Arduino adalah papan mikrokontroler yang merupakan “sistem komputer” bekerja pada chip. Computer Vision adalah sebuah keilmuan yang dapat memungkinkan komputer untuk mendeteksi dan melihat objek atau benda disekitarnya. Pada penelitian Tugas Akhir ini, untuk mengimplementasikan framework Mediapipe dan Faster-RCNN sebagai alat pengontrol kecepatan putaran kipas angin menggunakan Arduino melalui proses deteksi dengan bentuk gestur jari tangan, adapun gestur jari tangan yang akan diimplementasikan adalah hanya tiga jari saja. Pada pengujian Mediapipe, dapat diketahui bahwa rata-rata akurasi gestur jari 0 pada jarak 10 cm sebesar 37%, jarak 50 cm sebesar 70%, jarak 100 cm akurasinya sebesar 54.7%, dan jarak 175 cm sebesar 63.3%. Untuk pengujian Faster-RCNN, dapat diketahui bahwa akurasi gestur jari 0 pada jarak 10 cm sebesar 34%, jarak 50 cm sebesar 24%, jarak 100 cm akurasinya sebesar 8.7%, dan jarak 175 cm sebesar 4.7%. Nilai rata-rata akurasi gestur jari 0, membuktikan proses komputasi yang dijalankan metode Mediapipe ringan daripada proses komputasi metode Faster-RCNN.
Export Record
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | Muhammad Aldi Fakhruddin (19410200015) |
| Uncontrolled Keywords: | Sistem Kontrol, Arduino, Deep Learning, Mediapipe, Faster-RCNN. |
| Dewey Decimal Classification: | 600 – Technology > 620 Engineering & Applied operations > 629 Other branches of engineering |
| Divisions: | Fakultas Teknologi dan Informatika > S1 Teknik Komputer |
| Depositing User: | Muhammad Aldi Fakhruddin |
| Date Deposited: | 30 Jan 2023 15:30 |
| Last Modified: | 30 Jan 2023 15:30 |
| THESIS ADVISORS: |
1. Heri Pratikno, M.T., MTCNA., MTCRE. (NIDN : 0716117302)
2. Musayyanah, S.ST., M.T. (NIDN : 0730069102) |
| URI: | http://repository.dinamika.ac.id/id/eprint/6862 |
Download Statistics
Downloads over the past year. Other digital versions may also be available to download e.g. from the publisher's website.
Actions (login required)
 |
View Item |
Comments & Notes
Comments & Notes