SANTOSO, DANIEL ADIWIRANATA (2022) RANCANG BANGUN APLIKASI KLASIFIKASI GESTUR TANGAN MENGGUNAKAN METODE K�NEAREST NEIGHBORS. Tugas Akhir/Skripsi thesis, Universitas Ma Chung.
|
Text
01- 311510008 DANIEL ADIWIRANATA SANTOSO.pdf Download (2MB) | Preview |
Abstract
Pengoperasian sebuah komputer memerlukan berbagai macam alat sebagai
masukan, contoh yang paling umum adalah mouse (tetikus) dan keyboard (papan
tombol). Namun dalam kegunaannya dalam keseharian, ada orang dengan kondisi
tertentu yang kesulitan dalam mengoperasikan komputer yang dikarenakan
keterbatasannya, contohnya adalah penyandang tunarungu dan tunawicara. Penelitian
ini bertujuan untuk mengklasifikasikan gestur bahasa isyarat SIBI menggunakan alat
Flex Point Glove Kit.
Penelitian ini bertujuan untuk mengklasifikasi angka 1 sampai 10, serta
menggunakan metode K-Nearest Neighbors, serta akan dilakukan pengujian secara
real-time. Total data sampel yang digunakan pada penelitian ini sebanyak 150 buah.
Pengujian pertama dilakukan dengan satu variasi data sampel yang akan digunakan
sebagai data latih dan diujikan kepada 10 subyek yang berbeda, sedangkan pengujian
kedua dilakukan dengan lima variasi data sampel dan diujikan kepada 5 subyek yang
berbeda. Tujuan ada 2 jenis variasi yang berbeda adalah untuk membandingkan nilai k
dan akurasi yang nanti akan didapatkan. Pembuatan program klasifikasi ini dilakukan
menggunakan bahasa pemrograman Python dan pustaka-pustaka yang sudah tersedia
contohnya Sklearn, Numpy, PySerial, Tkinter, dan lain-lain.
Dari penelitian yang sudah dilakukan, tujuan yang ingin dicapai dalam
penelitian ini telah berhasil dilakukan yaitu membuat program aplikasi yang dapat
mengklasifikasi gestur tangan dengan menggunakan metode KNN serta mengujinya
secara real time. Hasil akurasi model menggunakan 1 variasi sampel dengan nilai k=5
menghasilkan akurasi 100%, dan menggunakan 5 variasi sampel dengan nilai k=3
menghasilkan akurasi 100%. Pengujian real-time diuji mengunakan model 1 variasi
sampel mendapatkan akurasi rata-rata 80%, dan pengujian dengan 5 variasi sampel
mendapatkan akurasi rata-rata 92.67%.
Kata kunci: Machine Learning, K-Nearest Neighbors (KNN), Flex Sensor, Flex Point
Glove Kit, Klasifikasi gestur bahasa isyarat SIBI
| Item Type: | Thesis (Tugas Akhir/Skripsi) |
|---|---|
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Fakultas Teknologi dan Desain > S1 Teknik Informatika |
| Depositing User: | umclibs1 |
| Date Deposited: | 04 Feb 2026 07:25 |
| Last Modified: | 04 Feb 2026 07:25 |
| URI: | http://repository.machung.ac.id/id/eprint/1172 |
Actions (login required)
 |
View Item |