Article Per Year (5 Year)
p-Index From 2021 - 2026
3.208
P-Index
This Author published in this journals
All Journal Jurnal Pendidikan Teknik Mesin Majalah Ilmiah MOMENTUM Jurnal Informatika Upgris JURNAL CRANKSHAFT Jurnal Teknik Mesin Indonesia JATI EMAS (Jurnal Aplikasi Teknik dan Pengabdian Masyarakat) Didaktik : Jurnal Ilmiah PGSD STKIP Subang Quantum Teknika Jurnal Pengabdian kepada Masyarakat Nusantara Automotive Experiences IRA Jurnal Teknik Mesin dan Aplikasinya (IRAJTMA) SABAJAYA Jurnal Pengabdian Kepada Masyarakat Pelita: Jurnal Pengabdian kepada Masyarakat IRA Jurnal Pengabdian Kepada Masyarakat
Aan Burhanudin
Universitas PGRI Semarang
Aerospace Engineering Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mechanical Engineering Public Health Social Sciences Other

Published : 23 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : JURNAL CRANKSHAFT

 1 
Pengembangan Sistem Kendali Lengan Robot Humanoid Berbasis Pengolahan Citra Real-Time Menggunakan MediaPipe Lupito, Vemas Nandra; malik, Muchamad; Burhanudin, Aan
JURNAL CRANKSHAFT Vol 8, No 2 (2025): Jurnal Crankshaft Vol. 8 No. 2 (2025)
Publisher : Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24176/cra.v8i2.15117

Abstract

Perkembangan teknologi pengenalan gerakan manusia telah mendorong inovasi dalam pengendalian robot humanoid berbasis visi komputer. Penelitian ini bertujuan untuk mengimplementasikan sistem kendali lengan robot humanoid menggunakan framework MediaPipe berbasis Python yang diintegrasikan dengan kamera laptop sebagai sensor utama. Sistem ini dirancang untuk meniru gerakan tangan manusia secara real-time, dengan memanfaatkan data landmark pose tubuh yang dihasilkan oleh MediaPipe Pose Tracking. Koordinat titik-titik tubuh (bahu, siku, pergelangan tangan) dikalkulasikan menjadi sudut artikulasi menggunakan prinsip trigonometri vektor, kemudian dikonversi ke dalam sinyal kendali motor servo. Rangka robot dibangun menggunakan komponen cetak 3D berbahan PLA dengan konfigurasi sambungan pada bahu, siku, dan pergelangan tangan. Servo HS-805BB digunakan sebagai aktuator utama yang dikendalikan oleh mikrokontroler ESP32 melalui komunikasi serial. Hasil pengujian menunjukkan bahwa sistem mampu meniru gerakan tangan dengan tingkat responsivitas yang baik dalam lingkungan terkendali. Rentang gerak robot mendekati proporsi gerakan manusia, dengan gerakan fleksi siku mencapai 135° atau 93% dari gerakan alami. Beban torsi pada sambungan bahu sebesar 20 kg·cm masih berada dalam batas aman dari kapasitas servo. Kesimpulannya, sistem ini berhasil merepresentasikan prototipe awal kendali robot humanoid berbasis visi yang efektif dan ekonomis. Pengembangan lebih lanjut disarankan pada aspek stabilitas gerakan, akurasi pelacakan, dan adaptasi terhadap kondisi pencahayaan yang dinamis. Kata kunci: MediaPipe, robot humanoid, kendali visual, servo, Python, ESP32
Metode Real-time Deteksi Gestur Tangan untuk Kendali Robot Menggunakan Teknologi Kinect Xbox Utama, Dharma; Burhanudin, Aan; Mukhtar, Agus
JURNAL CRANKSHAFT Vol 8, No 3 (2025): Jurnal Crankshaft Vol. 8 No. 3 (2025)
Publisher : Universitas Muria Kudus

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24176/cra.v8i3.15671

Abstract

Penelitian ini dilatarbelakangi oleh kebutuhan pengembangan sistem kendali robot yang lebih intuitif dan responsif, khususnya melalui penggunaan interface non-verbal yang berbasis gestur tangan. Teknologi Kinect Xbox menjadi salah satu alat yang potensial dalam hal ini karena kemampuannya menangkap data gerakan secara real-time dengan harga yang relatif terjangkau dan implementasi yang mudah. Tujuan utama penelitian ini adalah mengembangkan metode deteksi gestur tangan berbasis Convolutional Neural Network (CNN) yang mampu melakukan klasifikasi gestur secara akurat dan cepat dalam kondisi nyata, sehingga dapat digunakan sebagai kontrol kendali robot secara efektif.Metodologi yang diterapkan menggunakan pendekatan eksperimen kuantitatif dengan pengumpulan data gerakan tangan. Data tersebut diolah menggunakan arsitektur CNN untuk melatih model klasifikasi gestur. Percobaan dilakukan dengan variasi jarak antara perangkat Kinect dengan subjek, mulai dari 1 meter hingga 4 meter, dalam lingkungan indoor dengan pencahayaan standar. Setiap gestur yang dipilih mewakili perintah kendali robot, seperti maju, mundur, berhenti, dan berputar.Hasil penelitian menunjukkan bahwa metode deteksi gestur ini memberikan performa optimal pada jarak sekitar 2,5 meter dengan tingkat akurasi mencapai 92%. Akurasi ini menunjukkan peningkatan signifikan dibandingkan jarak lainnya, dimana pada jarak terlalu dekat atau terlalu jauh akurasi menurun drastis. Selain itu, sistem dapat mengenali beragam gestur dengan kecepatan proses yang memadai untuk aplikasi real-time, menunjang pengendalian robot secara natural dan responsif. Adapun kelebihan lain dari metode ini adalah kemampuannya untuk beradaptasi dengan variabilitas gerakan tangan antar individu, sehingga menjadikannya solusi praktis dalam interaksi manusia-mesin berbasis gestur.  Kata kunci:  Deteksi Gestur Tangan, Convolutional Neural Network (CNN), Kinect Xbox 
Co-Authors agus mukhtar Agus Mukhtar Alfarisy, Abdul Aris Alfarisy Androva, Althesa Anggit Bayu Prabowo Aries Dwi Cahyono Endang Dian Rokhmawati Fajar Ahmad Shobrowi Fakhrudin, Anas Febriyandyono, Muhammad Faesal Gostsa Khusnun Naufal, Gostsa Harto Nuroso Hendri Hermawan Adinugraha Hermana, Rifki Hisyam Ma’mun Ihsan Nur Roziqin Irfan Abd Rahim Irna Farikhah Joko Supriyanto Kurniawan, Tegar Lupito, Vemas Nandra Ma'mun, Hisyam Malik, Muchammad Ma’mun, Hisyam Moh Erwin Baharuddin Mubarok, M. Zakki Hilmi Muchamad Malik Muchtar, Agus Muhammad Amiruddin Muhammad Amiruddin Muhammad Budi Haryono Muhammad Zainuddin Oki Prio Rahim, Irfan Abd Rifki Hermana Rohman, Syahrul Mahfudli Rokhmawati, Endang Dian Rr Hawik Ervina Indiworo Safi'i, Muhamad Slamet Supriyadi Slamet Supriyadi Sumarno Sumarno Sutarto Sutarto Ummi Kaltsum Utama, Dharma Wahyuhastuti, Novika Wardatul Jannah, Wardatul Yuris Setyoadi Yuris Setyoadi