<![CDATA[Abstrak - Perkembangan teknologi dalam bidang computer vision dan machine learning telah membuka peluang baru dalam menciptakan metode interaksi manusia-komputer yang inovatif. Penelitian ini bertujuan untuk mengembangkan sistem pengendalian karakter game Mobile Legends menggunakan gesture tangan berbasis MediaPipe dan OpenCV. Dengan memanfaatkan teknologi hand gesture recognition, sistem ini memungkinkan pemain untuk mengontrol pergerakan karakter dan penggunaan skill melalui gerakan tangan, menawarkan cara interaksi yang lebih natural dan intuitif. Metode penelitian yang digunakan adalah pendekatan eksperimen dengan desain kuasi-eksperimental, di mana pengguna diminta melakukan serangkaian gesture di depan kamera. Hasil pengujian menunjukkan bahwa gesture genggam, kanan, dan kiri berhasil terdeteksi dengan tingkat keberhasilan 100%, sedangkan gesture atas dan bawah memiliki tingkat keberhasilan lebih rendah, masing-masing 60% dan 80%. Meskipun respons sistem terhadap perubahan gesture cukup cepat, optimasi algoritma masih diperlukan untuk meningkatkan akurasi, terutama dalam mendeteksi gesture vertikal. Penelitian ini memberikan kontribusi penting dalam pengembangan teknologi kontrol berbasis gesture, khususnya dalam aplikasi game, dan membuka peluang untuk pengembangan lebih lanjut dalam interaksi natural berbasis gesture di masa depan.Kata kunci: Gesture Recognition, MediaPipe, Pengendalian Karakter, Mobile Legend, Interaksi Manusia Komputer.Abstract - The advancement of technology in the fields of computer vision and machine learning has opened new opportunities for creating innovative human-computer interaction methods. This study aims to develop a character control system for the game Mobile Legends using hand gesture recognition based on MediaPipe and OpenCV. By utilizing hand gesture recognition technology, this system enables players to control character movements and skill usage through hand gestures, offering a more natural and intuitive interaction method. The research employs an experimental approach with a quasi-experimental design, where users are asked to perform a series of gestures in front of a camera. The testing results indicate that the gestures of fist, right, and left are successfully detected with a success rate of 100%, while the upward and downward gestures have lower success rates of 60% and 80%, respectively. Although the system's response to gesture changes is relatively quick, algorithm optimization is still needed to enhance accuracy, especially in detecting vertical gestures. This research contributes significantly to the development of gesture-based control technology, particularly in gaming applications, and opens avenues for further development in natural gesture-based interaction in the future.Keywords: Gesture Recognition, MediaPipe, Character Control, Mobile Legends, Human-Computer Interaction.]]>
