Sistem pengenal Citra Isyarat Tangan sebagai Dasar pengoperasian Air Conditioner (AC)

ADE SUHADA, Dr. Andi Dharmawan S.Si., M.Cs; Aufaclav Z.K.F, S.Si.,M.Sc

2017 | Skripsi | S1 ELEKTRONIKA DAN INSTRUMENTASI

Penggunaan kamera dan metode pengolahan citra digital memungkinkan untuk melakukan pengoperasian AC dari jarak jauh. Pengoperasian didasarkan pada isyarat tangan yang dikenali. Berbagai tahapan telah diusulkan untuk melakukan pengoperasian AC berdasarkan hasil pengenalan isyarat tangan. Tahapan tersebut terdiri dari tahap pelatihan, tahap pengujian dan tahap pengoperasian. Pelatihan sistem dilakukan dengan proses deteksi dan ekstraksi ciri. Proses dalam mendeteksi objek tangan dari frame video dilakukan menggunakan metode skin colour detection dan threshold Otsu. Pada proses ekstraksi ciri dilakukan dengan metode Local Binari Pattern (LBP) uniform dengan variasi pemotongan citra menjadi nxn region sebesar 1, 2, 3, sampai dengan 20 dan untuk mereduksi dimensi fitur menggunakan metode Principal Component Analysis (PCA) dengan variasi dimensi 5, 10, 20, 50, dan 100. Tahap pengujian merupakan tahapan untuk klasifikasi citra baru menggunakan metode K-Nearest Neighbor (KNN) dengan variasi nilai K sebesar 1, 3, 5, dan 7. Dari pengujian yang dilakukan diperoleh akurasi terbaik sebesar 89,40 % dengan variasi nxn region sebesar 13x13 dan reduksi dimensi menjadi 20 dan dengan K = 7.

The use of camera and the method of digital image processing make it possible to perform AC operation from a distance. The operation was based on recognizable hand gestures. Various stages have been proposed to perform AC operation based on the hand signaling recognition results. The stage consists of training stage, testing stage and operation stage. System training was done by the detection process and feature extraction. The process of detecting hand objects from video frames was done by using skin colour detection and Otsu threshold methods. On the process of feature extraction was done by using the method of Local Binary Pattern (LBP) uniform with variations of image cutting become nxn region of 1, 2, 3, to 20 and to reduce the feature dimension using the Principal Component Analysis (PCA) with dimension variations of 5, 10, 20, 50, and 100. The testing phase was classification new images using K-Nearest Neighbor (KNN) method with variations of K value of 1, 3, 5, and 7. From the test, obtained results with the best accuracy was 89,40 % with nxn region variation of 13x13 and dimension reduction to 20 and with K = 7.

Kata Kunci : skin colour detection , threshold Otsu, LBP-uniform, PCA, KNN