Perancangan Aplikasi Gesture Recognition Dengan Metode Hidden Markov Model Menggunakan Depth Sensor

Amin, Nurul Ridho Al (2016) Perancangan Aplikasi Gesture Recognition Dengan Metode Hidden Markov Model Menggunakan Depth Sensor. Undergraduate thesis, Universitas Internasional Batam.

[img]
Preview
Text
S-1221015-cover_id.pdf

Download (249kB) | Preview
[img]
Preview
Text
S-1221015-table_of_contents.pdf

Download (379kB) | Preview
[img]
Preview
Text
S-1221015-abstract_id.pdf

Download (159kB) | Preview
[img]
Preview
Text
S-1221015- bibliography.pdf

Download (670kB) | Preview
[img]
Preview
Text
S-1221015- chapter 1.pdf

Download (908kB) | Preview
[img]
Preview
Text
S-1221015- chapter 2.pdf

Download (3MB) | Preview
[img] Text
S-1221015- chapter 3.pdf
Restricted to Repository staff only

Download (3MB)
[img] Text
S-1221015- chapter 4.pdf
Restricted to Repository staff only

Download (2MB)
[img]
Preview
Text
S-1221015- chapter 5.pdf

Download (157kB) | Preview

Abstract

Aplikasi Gesture Recognition sebagai pembaca gerak tangan sangatlah diminati untuk menjadi topik penelitian di Indonesia akhir-akhir ini. Ada 3 hardware (perangkat) yang mereka kenalkan yaitu webcam, sarung tangan dan kamera kinect. Masing-masing perangkat memiliki kelebihan dan kelemahan yang berbeda. Dari hasil literature review yang dilakukan oleh peneliti menyatakan bahwa kamera kinect adalah perangkat yang paling sesuai dengan topik diatas. Fitur depth sensor dari kamera kinect mampu mengenali dan melacak gerak tubuh pengguna dengan baik. Dengan metode Hidden Markov Model (HMM) sebagai pengenalan gesture, dihasilkan tingkat akurasi pengenalan yang tinggi. Hal ini menjadi pertimbangan penggunaan metode HMM dalam perancangan aplikasi gesture recognition sebagai pembacaan gerakan tangan menjadi kata. Sistem yang akan dibuat terdiri dari hardware berupa kamera kinect dan komputer yang akan menampilkan hasil deteksi gerakan ke display yang telah disediakan. Sistem dimulai dengan menentukan gerakan tangan yang akan dibaca oleh kamera kinect pada koordinat XY. Dalam penelitian ini digunakan 4 (empat) gerakan yaitu; Berdiri, Pergi, Melingkar dan Melambai. Metode HMM akan mendefinisikan gerakan tersebut dari dataset yang telah ditentukan. Selanjutnya pengguna akan memeragakan salah satu gerakan tersebut di depan kamera kinect dengan terlebih dahulu mengangkat tangan kiri sebagai tanda switch on system, sebaliknya ketika tangan kiri diturunkan maka sistem akan menyatakan off dan output dari gerakan sudah terdefinisi di layar monitor. Hasil pengambilan dan analisa data menunjukkan bahwa sistem mampu melakukan pengenalan gesture dengan tingkat akurasi pengenalan sebesar 90.83%.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Gesture Recognize, Hidden Markov Model, Depth Sensor, Kinect
Subjects: T Technology > T Technology (General)
T Technology > T Technology (General) > T201 Patents. Trademarks
Divisions: School of Industrial Technology > Electrical Engineering
Depositing User: kurniawan jefri
Date Deposited: 23 Feb 2017 03:33
Last Modified: 23 Feb 2017 03:33
URI: http://repository.uib.ac.id/id/eprint/189

Actions (login required)

View Item View Item