Mawarid, Muhammad Nadhil (2025) Analisis performa hand gesture recognition menggunakan teknik computer vision untuk interaksi game horor / Muhammad Nadhil Mawarid</p>. Diploma thesis, Universitas Negeri Malang.
Full text not available from this repository.Abstract
p Penelitian ini bertujuan untuk menganalisis performa sistem hand gesture recognition berbasis computer vision yang diimplementasikan dalam sebuah game horror. Teknologi ini memungkinkan pemain untuk mengontrol karakter dan berinteraksi dengan lingkungan dalam game melalui gerakan tangan tanpa perangkat input seperti mouse atau keyboard. Sistem dikembangkan menggunakan MediaPipe yang diintegrasikan dengan Unity melalui Python. Metode penelitian yang digunakan dalam pengembangan sistem ini mencakup beberapa tahap. Tahap pertama adalah desain dan implementasi sistem hand gesture recognition dengan memanfaatkan framework MediaPipe yang menyediakan model pengenalan gestur tangan secara real-time. Integrasi dilakukan dengan Unity melalui socket server untuk menghubungkan data deteksi gestur dari Python ke dalam gameplay. Pengujian dilakukan dengan mempertimbangkan berbagai parameter lingkungan seperti pencahayaan kapasitas pemrosesan perangkat jarak kamera serta noise visual di latar belakang. Data yang diperoleh dianalisis untuk mengevaluasi akurasi deteksi gestur latensi sistem dan stabilitas performa dalam berbagai kondisi . Hasil penelitian menunjukkan bahwa akurasi sistem mencapai 95% pada pencahayaan optimal (200 lux) tetapi menurun pada pencahayaan rendah (Design and Evaluation of a Hand Gesture Recognition Approach for Real-Time Interactions sistem mereka menggunakan pendekatan kecepatan sudut (angular-velocity) untuk meningkatkan ketahanan terhadap variasi lingkungan dan berhasil mempertahankan akurasi stabil di atas 95% bahkan dalam kondisi pencahayaan rendah. Perbedaan ini menunjukkan bahwa sistem berbasis MediaPipe dalam penelitian ini masih mengalami penurunan akurasi ketika kondisi pencahayaan berubah sehingga diperlukan optimisasi lebih lanjut misalnya dengan teknik preprocessing atau peningkatan algoritma deteksi untuk mengatasi variabilitas lingkungan. Selain pencahayaan dan spesifikasi perangkat keras pengaruh noise visual pada latar belakang dan jarak kamera dari pengguna juga diuji. Namun hasil menunjukkan bahwa kedua faktor ini hanya memiliki dampak minor terhadap akurasi sistem. Pada latar belakang statis maupun dinamis akurasi tetap berada dalam kisaran 95 ndash 97% sedangkan pada variasi jarak kamera antara 30 cm hingga 100 cm akurasi hanya mengalami sedikit penurunan hingga 94% pada jarak terjauh. Oleh karena itu meskipun faktor ini memiliki sedikit pengaruh dampaknya tidak terlalu signifikan dibandingkan pencahayaan dan spesifikasi perangkat. Selain itu dalam penelitian Shanthakumar dkk. (2020) sistem yang diuji memiliki latensi rata-rata 130 ms sedangkan dalam penelitian ini latensi yang diukur dalam kondisi optimal berada pada kisaran 140 ms tetapi menurun hingga 2000 ms pada perangkat dengan spesifikasi rendah. Hal ini menunjukkan bahwa sistem yang dikembangkan masih memiliki banyak ruang untuk peningkatan dalam aspek efisiensi pemrosesan terutama untuk aplikasi pada perangkat dengan spesifikasi terbatas. Meskipun demikian sistem yang dikembangkan telah mampu mengenali gestur tangan secara real-time dan diintegrasikan langsung ke dalam game horor berbasis Unity sebagai metode kontrol alternatif terhadap perangkat input konvensional. Berdasarkan perbandingan dengan penelitian Shanthakumar dkk. (2020) penelitian ini menunjukkan bahwa performa sistem yang dikembangkan mendekati standar keberhasilan yang telah ditetapkan meskipun masih terdapat tantangan dalam stabilitas latensi pada perangkat dengan spesifikasi rendah. Oleh karena itu optimisasi lebih lanjut diperlukan untuk meningkatkan efisiensi pemrosesan dan adaptabilitas sistem dalam kondisi lingkungan yang lebih bervariasi. /p
| Item Type: | Thesis (Diploma) |
|---|---|
| Divisions: | Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S1 Teknik Informatika |
| Depositing User: | library UM |
| Date Deposited: | 27 Feb 2025 04:29 |
| Last Modified: | 09 Sep 2025 03:00 |
| URI: | http://repository.um.ac.id/id/eprint/400156 |
Actions (login required)
 |
View Item |