Analisis Fitur Pada Citra Gestur Tangan Sistem Isyarat Bahasa Indonesia

Merdin Risalul Abrori; Fetty Tri Anggraeny; Eva Yulia Puspaningrum

doi:10.22441/format.2023.v12.i2.010

Analisis Fitur Pada Citra Gestur Tangan Sistem Isyarat Bahasa Indonesia

Merdin Risalul Abrori, Fetty Tri Anggraeny, Eva Yulia Puspaningrum

Abstract

Implementasi pengenalan gestur tangan telah banyak digunakan pada interaksi manusia dan komputer dekade terakhir ini. Implementasi pengenalan gestur tangan dapat meliputi banyak bidang, mulai dari bidang hiburan hingga bidang kesehatan atau medis. Untuk menghasilkan pengenalan gestur tangan yang baik, tentunya dibutuhkan penggunaan fitur yang tepat. Penelitian ini bertujuan menganalisis fitur dari citra statik gestur tangan agar dapat diimplemetasikan pada perangkat gawai tanpa menggunakan perangkat khusus. Pada penelitian sebelumnya fitur yang digunakan pada pengenalan gestur tangan berupa arah jari, panjang jari, posisi sendi, jarak ujung jari terhadap telapak tangan, sudut antar sendi-sendi jari berdekatan, serta sudut antara telapak tangan, pangkal jari, dan ujung jari. Berdasarkan penelitian terdahulu tersebut, diusulkan metode adalah dengan menggunakan fitur jarak, sudut, dan kuadran. Dataset yang digunakan berupa 528 data citra gestur tangan alfabet SIBI. Pengujian dilakukan dengan perangkat lunak WEKA menggunakan algoritme Naive Bayes, K-Nearest Neighbor(KNN), Neural Network, Support-Vector Machine (SVM), dan C4.5. Algoritme-algoritme tersebut dipilih karena dinilai memiliki karakteristik serta kebutuhan dataset yang berbeda sehingga pengujian fitur yang diusulkan dapat dilakukan secara menyeluruh. Metode K-fold cross validation digunakan pada pengujian untuk mengetahui akurasi terbaik. Hasil yang didapat adalah gabungan dari fitur jarak, sudut, dan kuadran dinilai palin baik diterapkan dengan akurasi tertinggi sebesar 60%.

Keywords

pengenalan gestur tangan; ekstraksi fitur; SIBI; WEKA

Full Text:

PDF

References

J. Zhao and R. S. Allison, “Comparing head gesture, hand gesture and gamepad interfaces for answering Yes/No questions in virtual environments,” Virtual Real., vol. 24, no. 3, 2020.

Y. Cho, A. Lee, J. Park, B. Ko, and N. Kim, “Enhancement of gesture recognition for contactless interface using a personalized classifier in the operating room,” Comput. Methods Programs Biomed., vol. 161, 2018.

Ridwang, Syafaruddin, A. A. Ilham, and I. Nurtanio, “Indonesian Sign Language Letter Interpreter Application Using Leap Motion Control based on Naïve Bayes Classifier,” in IOP Conference Series: Materials Science and Engineering, 2019, vol. 676, no. 1.

Y. Liu, L. Zhang, and S. Zhang, “A hand gesture recognition method based on multi-feature fusion and template matching,” in Procedia Engineering, 2012, vol. 29.

T. D. Pangestuti, F. T. Anggraeny, and E. P. Mandyartha, “Rancang Bangun Sistem Pendukung Keputusan Penerimaan Karyawan Baru Menggunakan Metode Naive Bayes Classifier (Studi Kasus PT. Sasmito),” J. Inform. dan Sist. Inf., vol. 1, no. 3, 2020.

M. Rifki and I. Imelda, “ANALISIS SENTIMEN WACANA KENAIKAN HARGA TIKET CANDI BOROBUDUR MENGGUNAKAN MULTINOMIAL NAÏVE BAYES,” JIKO (Jurnal Inform. dan Komputer), vol. 5, no. 2, pp. 156–163, 2022.

Z. E. Sholikha, E. Y. Puspaningrum, and W. S. J. Saputra, “Analisa Sentimen Pengguna E-Money pada Twitter Menggunakan Algoritma C4.5 dan Naïve Bayes,” J. Inform. dan Sist. Inf., vol. 1, no. 3, pp. 1063–1071, 2020.

I. K. Wiratama, Welda, I. P. H. Permana, M. D. W. Aristana, and I. G. I. Sudipa, “RECOMMENDATION FOR HIGH SCHOOL DETERMINATION BASED ON ACADEMIC POTENTIAL USING NAÏVE BAYES METHOD,” JIKO (Jurnal Inform. dan Komputer), vol. 5, no. 2, pp. 108–117, 2022.

E. Y. Puspaningrum, B. Nugroho, and D. P. Safira, “Implementation Of K-Nearest Neighbor - Certainty Factor For Expert System Detection Of Idiopathic Thrombocytopenic Purpura,” E3S Web Conf., vol. 328, 2021.

F. R. Irawan, A. Jazuli, and T. Khotimah, “Analisis Sentimen Terhadap Pengguna Gojek Menggunakan Metode K-Nearset Neighbors,” JIKO (Jurnal Inform. dan Komputer), vol. 5, no. 1, pp. 62–68, 2022.

A. H. Baksir, A. Fuad, F. Tempola, and R. Rosihan, “Prediksi Tingkat Kesuburan (Fertility) dengan Jaringan Saraf Tiruan Metode Backpropagation,” JIKO (Jurnal Inform. dan Komputer), vol. 3, no. 2, pp. 107–112, 2020.

N. Nurhanudin and J. E. Riwurohi, “Prediksi Jumlah Pendaftar Haji Lanjut Usia Menggunakan Jaringan Syaraf Tiruan Backpropagation,” JIKO (Jurnal Inform. dan Komputer), vol. 4, no. 2, pp. 112–121, 2021.

D. Tuhenay and E. Mailoa, “Perbandingan Klasifikasi Bahasa Menggunakan Metode Naïve Bayes Classifier (NBC) Dan Support Vector Machine (SVM),” JIKO (Jurnal Inform. dan Komputer), vol. 4, no. 2, pp. 105–111, 2021.

S. Bhushan, M. Alshehri, I. Keshta, A. K. Chakraverti, J. Rajpurohit, and A. Abugabah, “An Experimental Analysis of Various Machine Learning Algorithms for Hand Gesture Recognition,” Electron., vol. 11, no. 6, 2022.

M. Abrori, “Hand Gesture Dataset,” Kaggle, 2022. [Online]. Available: https://www.kaggle.com/datasets/merdinabrori/hand-gesture-dataset. [Accessed: 29-Nov-2022].

X. Zhang, W. Xie, S. Li, and X. Liu, “Convolutional Neural Networks Based Motion Data Optimization Networks for Leap Motion,” Jisuanji Fuzhu Sheji Yu Tuxingxue Xuebao/Journal Comput. Des. Comput. Graph., vol. 33, no. 3, 2021.

DOI: http://dx.doi.org/10.22441/format.2023.v12.i2.010

Refbacks

There are currently no refbacks.

This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Format : Jurnal Ilmiah Teknik Informatika
Fakultas Ilmu Komputer Universitas Mercu Buana
Jl. Raya Meruya Selatan, Kembangan, Jakarta 11650
Tlp./Fax: +62215840816
http://publikasi.mercubuana.ac.id/index.php/format