Implementasi Teknologi Mediapipe Menggunakan Metode CNN Berbasis Website Untuk Pengamanan VVIP Dalam Mobil

M. Ilham AlFatrah
Hery Sudaryanto
H. A. Danang Rimbawa

SITEKNIK: Sistem Informasi, Teknik dan Teknologi Terapan
Vol. 2 No. 3 (2025): July

Penelitian ini bertujuan mengembangkan sistem deteksi gestur tangan berbasis MediaPipe dan Convolutional Neural Network (CNN) guna meningkatkan efektivitas pengamanan VVIP. Mengingat ancaman modern yang semakin kompleks, sistem ini dirancang untuk mendeteksi gestur darurat secara real-time dan memungkinkan respons cepat. Metodologi yang digunakan meliputi pengumpulan dataset gestur tangan, anotasi data menggunakan MediaPipe, dan pelatihan model CNN di Google Colab. Kinerja model dievaluasi dengan metrik akurasi, presisi, recall, dan F1-score. Pengujian juga dilakukan dalam berbagai kondisi, seperti pencahayaan rendah dan gerakan cepat, untuk menilai ketangguhan sistem di dunia nyata. Hasilnya, sistem ini berhasil mendeteksi gestur tangan darurat dengan akurasi tinggi dan kecepatan kurang dari satu detik. Kinerja optimal, dengan akurasi mendekati 100%, tercapai pada kondisi pencahayaan yang baik. Meskipun akurasi sedikit menurun pada kondisi ekstrem, integrasi sistem pada platform website memungkinkan pengawasan dan pengambilan keputusan cepat di pusat komando. Penelitian ini membuktikan bahwa kombinasi MediaPipe dan CNN adalah solusi inovatif, namun optimasi lebih lanjut tetap dibutuhkan.