VIRTUAL POINTER UNTUK IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGENDALI GERAKAN ROBOT SECARA REAL-TIME

Abstract

2 ABSTRAK: Banyak penelitian sebelumnya berrhubungan dengan human robot interface, interaksi manusia dengan robot menggunakan isyarat tangan sebagai bahasa tubuh manusia. Isyarat tangan yang digunakan dalam penelitian ini adalah isyarat tangan bergerak yang berposisi menunjuk untuk identifikasi isyarat tangan, faktor yang paling penting adalah kemampuan membedakan tangan dengan obyek lain berdasarkan warna kulitnya. Metode untuk mendeteksi warna kulit tangan adalah Fuzzy C-Means (FCM) yang memiliki kemampuan memperbaiki pusat cluster dan nilai keanggotaan tiap data secara berulang dengan meminimumkan fungsi obyektif, sehingga pusat cluster akan bergerak menuju lokasi yang tepat. Hasil pengenalan dengan metode moving detection, mampu mendeteksi pergerakan obyek bergerak. secara baik sebesar 91.07944% dalam 1 detik. obyek Skin detection dengan Fuzzy C-Means (FCM) mampu melakukan segmentasi warna kulit dan bukan kulit secara real-time dengan tingkat keberhasilan. 90.2834% Identifikasi pola isyarat tangan dengan rule base tingkat keberhasilannya 86.67%. Identifikasi hasil virtual hand writing menggunakan jaringan syaraf tiruan metode LVQ sebagai perintah untuk mengendalikan robot tingkat keberhasilannya mencapai 79.2%. Kata kunci: virtual pointer , Fuzzy C-Mean (FCM), jaringan syaraf tiruan LVQ ABSTRACT: Many previous researches have been done in relation to human-robot interface, which is an interaction between human and robot using hand gesture. Hand gesture that is used in this research is a moving hand gesture with pointing position. The most important factor to identify hand gesture is the ability to differentiate hands with other objects based on the skin colour. A method to detect hand skin colour is using Fuzzy C-Means (FCM) which can refine a cluster centre and the membership value of each data iteratively by minimizing objective function. Hence, the cluster centre moves to the correct location. Recognition result with moving detection method was able to detect the movement of a moving object 91.07944% in 1 second. Skin detection using FCM was able to segment skin colour and not the skin in real time with the successful rate 90.2834%. The successful rate of the hand gesture pattern identification using rule base is 86.67%. The successful rate of virtual hand writing using LVQ artificial neural network as a command for controlling a robot is 79.2%.