KONTROL KIPAS ANGIN SECARA JARAK JAUH MELALUI PENGENALAN BENTUK GESTUR JARI TANGAN BERBASIS COMPUTER VISION
DOI:
https://doi.org/10.53625/jirk.v3i3.6443Keywords:
Gestur jari, MediaPipe, MQTT, Visi Komputer, WeMosAbstract
Artificial Intelligence berkembang sangat pesat, visi komputer bagian dari kecerdasan buatan untuk memproses data visual. Disisi lain mikrokontroler juga berkembang dengan pesat guna memudahkan tugas manusia. Pada penelitian ini melakukan pengontrolan kipas angin secara jarak jauh melalui proses deteksi gestur jari tangan menggunakan metode Mediapipe serta modul WeMos berbasis protokol MQTT. Hasil percobaan dari penelitian ini mendapatkan akurasi deteksi gestur tangan mematikan kipas (0, tangan mengepal) pada jarak 100 cm sebesar 100% dengan 28,6 FPS, akurasi deteksi gestur jari tangan untuk menghidupkan kipas angin pada level kecepatan 1 sebesar 94% pada 29,9 FPS, sedangkan akurasi deteksi gestur 2 untuk mengontrol kecepatan putaran kipas angin pada level 2 adalah 99% pada 28,6 FPS, dan hasil deteksi gestur jari tangan untuk mengendalikan kecepatan putaran kipas angin pada level 3 mencapai 99. % akurasi pada 31,4 FPS. Pengujian pada jarak 150 cm menunjukkan akurasi 100% untuk deteksi isyarat 0, 1, 2, dan 3 pada lima orang. Pada jarak 200 cm akurasi deteksi gestur 0 dan 1 sebesar 80%, sedangkan gestur 2 dan 3 mempertahankan akurasi 100%. Di atas 200 cm, gestur 0 dan 1 mencapai akurasi 80%, gestur 2 mencapai akurasi 100%, dan gestur 3 mencapai akurasi 90%.
References
Andy (2019) WeMos D1 R2 Wifi Arduino Development Board. Available at: https://andydharmalau.com/wemos-d1-r2-wifi-arduino-development-board/ (Accessed: 20 July 2023).
Fakhruddin, M. A. (2023) TA : Sistem Deteksi Gestur Jari Tangan menggunakan Mediapipe dan Faster-RCNN untuk Mengontrol Kecepatan Kipas Angin. Universitas Dinamika. Available at: https://repository.dinamika.ac.id/id/eprint/6862/.
Fifit Alfiah, Budi Rahman and Imelda (2020) ‘Control System prototype Smart Home IoT based with MQTT method using Google Asisstant’, Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 4(2), pp. 303–310. doi: 10.29207/resti.v4i2.1721.
Hernando, K. (2023) TA : Implementasi Deep Learning untuk Visi Komputer sebagai Mouse Virtual menggunakan Mediapipe dan Faster RCNN. Universitas Dinamika. Available at: https://repository.dinamika.ac.id/id/eprint/6887/.
Kukil (2022) No Title, Introduction to MediaPipe. Available at: https://learnopencv.com/introduction-to-mediapipe/ (Accessed: 25 July 2022).
Lugaresi, C. et al. (2019) ‘MediaPipe: A Framework for Building Perception Pipelines’. Available at: http://arxiv.org/abs/1906.08172.
Nautica, M. R. P. (2022) TA : Hand Gesture Detection sebagai Alat Bantu Ajar Berhitung menggunakan Mediapipe dan Convolutional Neural Network secara Realtime. Universitas Dinamika. Available at: https://repository.dinamika.ac.id/id/eprint/6650/.
R, H. (2022) ‘Optimized Hand Gesture Based Home Automation for Feebles’, International Journal for Research in Applied Science and Engineering Technology, 10, pp. 3433–3441. doi: 10.22214/ijraset.2022.45737.
Sobron, M. and Lubis (2021) ‘Implementasi Artificial Intelligence Pada System Manufaktur Terpadu’, Seminar Nasional Teknik (SEMNASTEK) UISU, 4(1), pp. 1–7. Available at: https://jurnal.uisu.ac.id/index.php/semnastek/article/view/4134.
Suprianto, D. et al. (2019) ‘Microcontroller Arduino Untuk Pemula (Disertai Contoh-contoh Projek Menarik)’, Jurnal Jasakom, 1(1), pp. 256–261. Available at: https://www.researchgate.net/publication/335219524.
Susanto, F., Prasiani, N. K. and Darmawan, P. (2022) ‘IMPLEMENTASI INTERNET OF THINGS DALAM KEHIDUPAN SEHARI-HARI’, Jurnal Imagine, 2(1), pp. 35–40. doi: 10.35886/imagine.v2i1.329.
Szeliski, R. (2022) Computer Vision: Algorithms and Applications. 2nd Editio. Springer. Available at: http://szeliski.org/Book/.
