TA : Sistem Automatic Feature Selection Berbasis Deteksi Gestur Kedua Jari Tangan untuk Mengontrol Level Kecepatan Putaran 2 Kipas Angin menggunakan Mediapipe

Edowai, Yumerius Rafael Biidapode (2023) TA : Sistem Automatic Feature Selection Berbasis Deteksi Gestur Kedua Jari Tangan untuk Mengontrol Level Kecepatan Putaran 2 Kipas Angin menggunakan Mediapipe. Undergraduate thesis, Universitas Dinamika.

	Text 19410200039 - 2023 - UNIVERSITASDINAMIKA.pdf - Accepted Version Download (1MB)
	Text 19410200039 - 2023 - LAMPIRAN.pdf - Accepted Version Restricted to Repository staff only Download (479kB)

Search this title on : |

Abstract

perkembangan teknologi telah mendorong manusia untuk mempermudah pekerjaan. Perkembangan teknis juga mengalami kemajuan yang sangat cepat. Pesatnya perkembangan teknologi di era globalisasi saat ini telah membawa banyak keuntungan bagi kemajuan dari berbagai sudut pandang. Mikrokontroler saat ini menikmati perkembangan pesat dan direkomendasikan dalam berbagai aplikasi kontrol. Salah satu mikrokontroler yang paling umum adalah Arduino. Arduino adalah mikrokontroler, yaitu sistem komputer yang berjalan pada sebuah chip. Computer Vision adalah salah satu cabang ilmu dan kecerdasan komputer yang bertujuan untuk melihat dan memahami benda atau objek yang ada disekitarnya. Penelitian Tugas Akhir ini mengkaji implementasi framework Mediapipe sebagai cara untuk mengontrol kecepatan putar kipas menggunakan Arduino melalui proses pengenalan berdasarkan bentuk jari kedua tangan, sedangkan finger gesture yang akan diimplementasikan hanya melibatkan tiga jari dengan jari kepal, dari masing- masing kedua tangan. Pada tabel jarak hasil rata-rata nilai akurasi semua deteksi gestur jari yang dilakukan dengan metode Mediapipe pada jarak 50cm sampai 250cm, dilakukan 3 kali percobaan pada setiap jarak, pada tangan kanan tingkat akurasi gestur jari 0 sebesar 86,67%, akurasi gestur 1 sebesar 86,67%, akurasi gestur 2 sebesar 100%, akurasi gestur 3 sebesar 93,33 % dan pada tangan kiri tingkat akurasi gestur jari 0 sebesar 86,67%, akurasi gestur 1 sebesar 100%, akurasi gestur 2 sebesar 93,33%, dan akurasi gestur 3 sebesar 93,33%. Pada percobaan ini juga menghasilkan nilai rata-rata FPS untuk setiap gestur jari tangan dengan rata- rata gestur jari 0 sebesar 34.36, gestur jari 1 sebesar 34.05, gestur jari 2 sebesar 33.15 dan gestur jari 3 sebesar 33.55.

Export Record

ASCII Citation Atom BibTeX Dublin Core EP3 XML EndNote HTML Citation JSON METS MODS MPEG-21 DIDL OpenURL ContextObject OpenURL ContextObject in Span RDF+N-Triples RDF+N3 RDF+XML Refer Reference Manager Simple Metadata

Download Statistics

Downloads over the past year. Other digital versions may also be available to download e.g. from the publisher's website.

View more statistics

Actions (login required)

View Item