Alat Pengenal Gerakan Tangan Menggunakan Algoritma Artificial Neural Network Berbasis ESP32 dan Platform Edge Impulse
DOI:
https://doi.org/10.31358/techne.v23i1.434Keywords:
gerakan tangan, ESP32, Edge Impulse, sensor akselerometerAbstract
Penyandang disabilitas dan orang tua lansia sering mengalami kesulitan dalam melakukan aktivitas seperti manusia pada umumnya. Dalam kondisi seperti ini diperlukan alat yang dapat memanggil perawat untuk meminta bantuan hanya dengan gerakan tangan. Selain itu, denyut nadi dan suhu tubuh juga perlu dipantau setiap saat oleh perawat. Penelitian ini bertujuan merancang alat untuk mengklasifikasikan lima gerakan tangan menggunakan metode machine learning dengan algoritma Artificial Neural Network (ANN) dari platform Edge Impulse. Implementasi dilakukan dengan menggunakan ESP32, sensor akselerometer, sensor suhu tubuh dan sensor denyut nadi. Semua data hasil klasifikasi, pembacaan suhu tubuh dan denyut nadi dikirimkan ke aplikasi Android, yang memungkinkan perawat mengetahui panggilan dari gerakan tangan dan memantau kondisi denyut nadi dan suhu tubuh pengguna alat. Algoritma ANN pada Edge Impulse mencapai akurasi pengenalan gerakan tangan sebesar 99,9%. Berdasarkan pengujian oleh lima responden, gerakan tangan "circle" memiliki tingkat keberhasilan tertinggi sebesar 94%, sedangkan gerakan tangan "stand" memiliki tingkat keberhasilan paling rendah sebesar 72%. Serta didapatkan rata-rata error pengukuran suhu tubuh sebesar 1,58% dan rata-rata error pengukuran denyut nadi sebesar 8,43%.
Downloads
References
A. W. Ningsih and Afrinaldi, “Gambaran Penyesuaian Diri Lansia Dalam Penurunan Kemampuan Fisik dan Psikis di Panti Sosial Tresna Werdha Kasih Sayang Ibu Batusangkar,” J. Pendidik. dan Konseling, vol. 5, no. 1, pp. 1559–1566, 2023.
M. A. Saputro, E. R. Widasari, and H. Fitriyah, “Implementasi Sistem Monitoring Detak Jantung dan Suhu Tubuh Manusia Secara Wireless,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 1, no. 2, pp. 148–156, 2017.
F. Wakerkwa, H. Pratikno, W. I. Kusumawati, and Musayyanah, “Kontrol Kipas Angin Secara Jarak Jauh Melalui Pengenalan Bentuk Gestur Jari Tangan Berbasis Computer Vision,” J. Innov. Res. Knowl., vol. 3, no. 3, pp. 793–806, 2023.
T. J. Wungkana, N. Sajangbati, T. T. Pairunan, B. A. . Loegimin, and S. Sawidin, “Kontrol Penerangan Ruangan Dengan Gerakan Tangan Berbasis NodeMCU ESP8266,” Jambura J. Electr. Electron. Eng., vol. 5, no. 1, pp. 18–22, 2023, doi: 10.37905/jjeee.v5i1.16530.
H. Hartono and K. Prawiroredjo, “Home Automation Berbasis Gesture Control Menggunakan Motion Processing Unit,” Techné J. Ilm. Elektrotek., vol. 20, no. 2, pp. 125–142, 2021, doi: 10.31358/techne.v20i2.269.
A. R. Halim, D. Syauqy, and W. Kurniawan, “Sistem Pengaturan Nyala Lampu Berbasis Gerakan Tangan Melalui Wearable Device dengan Metode K-Nearest Neighbor,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 3, no. 8, pp. 7657–7665, 2019, [Online]. Available: http://j-ptiik.ub.ac.id.
E. M. Sartika, A. Darmawan, W. E. Jaya, and E. Wianto, “Deteksi Gerakan Tangan menggunakan Support Vector Machine pada Dumbbell Berbasis Raspberry Pi Zero,” ELKOMIKA J. Tek. Energi Elektr. Tek. Telekomun. Tek. Elektron., vol. 10, no. 1, pp. 105–117, 2022, doi: 10.26760/elkomika.v10i1.105.
S. B. Bhaskoro and M. A. A. Aziz, “Pengendalian Gerak Robot menggunakan Semantik Citra Gestur Tangan Manusia,” ELKOMIKA J. Tek. Energi Elektr. Tek. Telekomun. Tek. Elektron., vol. 8, no. 1, pp. 80–94, 2020, doi: 10.26760/elkomika.v8i1.80.
S. Nor, M. A. Muslim, and M. Aswin, “Pengenalan Pola Dasar Angka berdasarkan Gerakan Tangan menggunakan Machine Learning,” ELKOMIKA J. Tek. Energi Elektr. Tek. Telekomun. Tek. Elektron., vol. 10, no. 3, pp. 596–608, 2022, doi: 10.26760/elkomika.v10i3.595.
M. Faris, E. Ariyanto, and Y. A. S. Yudo, “Improved Real-Time House Fire Detection System Performance With Image Classification Using Mobilenetv2 Model,” JIPI (Jurnal Ilm. Penelit. dan Pembelajaran Inform., vol. 8, no. 2, pp. 656–663, 2023, doi: 10.29100/jipi.v8i2.3803.
A. W. H, E. Setiawan, and R. Aeri, “Evaluasi Keandalan Model Rekognisi Suara Burung Hama Menggunakan Platform Edge Impulse Pada Mikrokontroller Low Power,” J. Tek. Elektro Dan Komput. Triac, vol. 10, no. 2, pp. 69–75, 2023.
D. Alfiyyah Ansar, Yuyun, and I. Taufik, “The Design of a Noise Detection Automatisation Tool in Library - Based on Internet of Things,” J. Teknol. Inf. dan Komun., vol. 12, no. 2, pp. 17–31, 2022.
R. Aiman Nadir and R. N. Sukmana, “Sistem Prediksi Harga Emas Berdasarkan Data Time Series Menggunakan Metode Artificial Neural Network (ANN),” Digit. Transform. Technol., vol. 3, no. 2, pp. 426–437, 2023, [Online]. Available: https://jurnal.itscience.org/index.php/digitech/article/view/2877.
D. Pradana, M. Luthfi Alghifari, M. Farhan Juna, and D. Palaguna, “Klasifikasi Penyakit Jantung Menggunakan Metode Artificial Neural Network,” Indones. J. Data Sci., vol. 3, no. 2, pp. 55–60, 2022, doi: 10.56705/ijodas.v3i2.35.
P. W. Rusimamto, Endryansyah, L. Anifah, R. Harimurti, and Y. Anistyasari, “Implementation of arduino pro mini and ESP32 cam for temperature monitoring on automatic thermogun IoT-based,” Indones. J. Electr. Eng. Comput. Sci., vol. 23, no. 3, pp. 1366–1375, 2021, doi: 10.11591/ijeecs.v23.i3.pp1366-1375.
H. H. Rachmat and D. R. Ambaransari, “Sistem Perekam Detak Jantung Berbasis Pulse Heart Rate Sensor pada Jari Tangan,” ELKOMIKA J. Tek. Energi Elektr. Tek. Telekomun. Tek. Elektron., vol. 6, no. 3, pp. 344–356, 2018, doi: 10.26760/elkomika.v6i3.344.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 Yohana Susanthi, Aan Darmawan, Siti Budi Suryadi
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
