Putranto, MarquelDwi (2017) Pengenalan Isyarat Tangan Untuk Kata-Kata Pengendali Smart Home Menggunakan KNN. Sarjana thesis, Universitas Brawijaya.
Abstract
Masyarakat tunarungu pada umumnya menggunakan bahasa isyarat sebagai alat komunikasi utama. Bahasa isyarat mengutamakan komunikasi visual. Pengguna bahasa ini menggunakan orientasi, bentuk dan gerakan tangan, lengan, tubuh, serta ekspresi wajah untuk mengungkapkan ekpresi mereka. Namun komunikasi menggunakan bahasa isyarat masih kurang dipahami oleh lawan komunikasinya. Untuk mengatasi keterbatasan komunikasi tersebut perlu adanya suatu sistem yang dapat mendeteksi bahasa isyarat yang digunakan sehingga kaum Tuli dengan masyarakat umum dapat berkomunikasi dengan lancar. Untuk menyelesaikan dalam penelitian ini, digunakan kamera DSLR sebagai alat bantu menangkap gambar dari tangan pengguna. Teknik yang digunakan adalah dengan mengambil gambar, mengekstrak bentuk dari tangan tersebut, kemudian mengklasifikasinya. Untuk mencari letak tangan dari gambar yang dihasilkan. Kemudian untuk mengekstrak bentuk tangan digunakan skin detection. Setelah bentuk tangan ini didapatkan, maka gambar biner bentuk tangan ini diklasifikasikan berdasarkan kumpulan gambar-gambar isyarat tangan yang digunakan sebagai data training. Algoritma klasifikasi yang digunakan penulis adalah algoritma K-NN. Dengan mengintegrasikan sistem pengenalan bahasa isyarat ke smart home, pengguna sistem khususnya tuna rungu dapat mengatur fungsionalitas rumah pintar (smart home) dengan bahasa isyarat. Sehingga pengaturan terhadap barang elektronik di rumah menjadi mudah dan efektif sesuai dengan keinginan pengguna. Sistem ini mampu mengenali 11 isyarat huruf tangan yang terdiri dari buka, tutup, AC dan seterusnya dari 66 isyarat yang ditargetkan. Rata-rata akurasi yang dihasilkan sistem ini adalah 80 %. Nilai akurasi ini dapat bervariasi tergantung dari konsisteni data training yang dihasilkan.
English Abstract
Deaf community use sign language as their main communication. Sign language emphasis visual communication, visual media, body language such as shape and movement of the hands, arms, body, and facial expression to reveal their expressions. However, communication using sign language is still poorly understood by opponents of its communication. For the communication limitatiton can make of existence of a system that can detect a sign language is used in deaf people that general public can communicate smoothly. To resolve the problems in this study, the researcher used a DSLR camera as a tool to capture images from the ones hands. The technique used were took a picture, extracted the shape of the hand, and then classified them. Firstly, locate the hand of the images produced. Secondly, using detection to extract the shape of the hand. After the hand shape was obtained, then the binary image of the hands was classified based on the collection of images of hand signals which were used as training data. Classification algorithm that was used by the author was the K-NN algorithm. By integrating sign language recognition system for the smart home, the users of the system, especially the deaf, can adjust the functionality of the smart home with sign language. Thus, the regulation of electronic goods in the home become easy and effective in accordance with the user needs. The system to recognize 11 letters of the hand which consistes of open, closed, air conditioning and so on from total 66 letters. At first, the researcher was targeted 66 letters would be recognize by the program. The average accuracy of the resulting system is 80%. This accuracy value varies depend on the consistent data training.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2017/71/051701167 |
| Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Kustati |
| Date Deposited: | 17 Feb 2017 15:13 |
| Last Modified: | 21 Oct 2021 01:44 |
| URI: | http://repository.ub.ac.id/id/eprint/147505 |
Preview |
Text
Dwi_Putranto_125150219111001_SKRIPSI.pdf Download (8MB) | Preview |
Actions (login required)
 |
View Item |