Article Per Year (5 Year)
p-Index From 2020 - 2025
2.81
P-Index
This Author published in this journals
All Journal Rotasi Jurnal Mechanical JITEK (Jurnal Ilmiah Teknosains) JURNAL CRANKSHAFT Jurnal Ilmiah Teknik Mesin "MEKANIK" Jurnal Pengabdian kepada Masyarakat Nusantara IRA Jurnal Teknik Mesin dan Aplikasinya (IRAJTMA) Journal of Applied Mechanical Engineering and Renewable Energy (JAMERE) AutoMech : Jurnal Teknik Mesin IRA Jurnal Pengabdian Kepada Masyarakat
Agus Mukhtar
Program Studi Magister Teknik Mesin, Fakultas Teknik, Universitas Diponegoro Jl. Prof. Sudharto, SH., Tembalang-Semarang 50275, Telp. +62247460059
Aerospace Engineering Agriculture, Biological Sciences & Forestry Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mechanical Engineering Physics Social Sciences Veterinary Other

Published : 21 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 21 Documents
Search

 1   2   3 
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 Aan Burhanudin Abdul Gofur Adetia Riski Wardana Alfianto, Faizal Ridho Androva, Althesa Burhanuddin, Aan Burhanudin , Muhammad Arif FARANDI, ROY Gostsa Khusnun Naufal Gostsa Khusnun Naufal, Gostsa Haryono, Muhammad Budi Hermana, Rifki Hisyam Ma’mun Joga Dharma Setiawan Ma'mun, Hisyam Malik, Muchammad Maulana, Ilham Rizki Ma’mun, Hisyam Muchamad Malik Munadi Munadi Pambudi, Nizar Anggriawan Rohman, Syahrul Mahfudli Slamet Supriyadi Utama, Dharma Wardani, Ririswari Widya Wijatolah, Jalu Lutfi Wijiyanto, Gandhang Wisnumurti, Muhammad Hanafi Yuris Setyoadi