Sistem Deteksi Sandi Dan Kata Semaphore Pramuka Menggunakan Metode HAR (Human Activity Recognition) Dengan MediaPipe

Kusuma, I Made Bramanta Ari (2019) Sistem Deteksi Sandi Dan Kata Semaphore Pramuka Menggunakan Metode HAR (Human Activity Recognition) Dengan MediaPipe. Undergraduate thesis, Universitas Pendidikan Ganesha.

[img] Text (COVER)
1915051050-COVER.pdf
Download (2MB)
[img] Text (ABSTRAK)
1915051050-ABSTRAK.pdf
Download (876kB)
[img] Text (BAB 1 PENDAHULUAN)
1915051050-BAB 1 PENDAHULUAN.pdf
Download (1MB)
[img] Text (BAB 2 KAJIAN TEORI)
1915051050-BAB 2 KAJIAN TEORI.pdf
Restricted to Repository staff only
Download (5MB) | Request a copy
[img] Text (BAB 3 METODELOGI PENELITIAN)
1915051050-BAB 3 METODELOGI PENELITIAN.pdf
Restricted to Repository staff only
Download (2MB) | Request a copy
[img] Text (BAB 4 HASIL DAN PEMBAHASAN)
1915051050-BAB 4 HASIL DAN PEMBAHASAN.pdf
Restricted to Repository staff only
Download (5MB) | Request a copy
[img] Text (BAB 5 PENUTUP)
1915051050-BAB 5 PENUTUP.pdf
Restricted to Repository staff only
Download (375kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
1915051050-DAFTAR PUSTAKA.pdf
Download (733kB)
[img] Text (LAMPIRAN)
1915051050-LAMPIRAN.pdf
Download (1MB)

Abstract

Sandi semaphore adalah metode komunikasi visual yang menggunakan gerakan kedua tangan sebagai media untuk menyampaikan pesan. Dalam proses pembelajaran sandi semaphore, siswa sering mengalami kesulitan dalam membedakan gerakan yang memiliki sudut dan posisi tangan yang mirip. Selain itu, proses pembelajaran masih sangat bergantung pada instruktur, sehingga menjadikannya kurang efisien dan sulit untuk dipraktikkan secara mandiri. Karena itu, penelitian ini meiliki tujuan untuk mengembangkan sistem deteksi sandi semaphore real-time berbasis Human Activity Recognition (HAR) dengan memanfaatkan MediaPipe Holistic sebagai pengekstraksi landmark pose tubuh dan Random Forest Classifier sebagai algoritma klasifikasi. Dataset diperoleh melalui perekaman gerakan sandi semaphore menggunakan webcam, yang dilanjutkan dengan proses penandaan (landmarking) untuk mengekstrak 33 titik pose tubuh. Setiap titik menghasilkan koordinat X, Y, dan Z, sehingga menghasilkan total 132 fitur per frame. Dataset ini terdiri dari 26 huruf alfabet dan 1 kelas spasi. Data tersebut kemudian disimpan dalam format CSV dan dibagi menjadi 80% data latih dan 20% data validasi. Proses pelatihan model dilakukan menggunakan pustaka Scikit-Learn dengan algoritma Random Forest Classifier. Hasil akhir menunjukkan bahwa sistem ini mampu mendeteksi sinyal semaphore dengan tingkat keberhasilan sebesar 96,30% menggunakan dataset uji, dan 93,33% saat digunakan secara real-time, serta mampu menyusun huruf-huruf yang terdeteksi menjadi kata-kata berdasarkan sinyal yang dideteksi.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Human Activity Recognition, MediaPipe Holistic, Random Forest, Semaphore.
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Pendidikan Teknik Informatika (S1)
Depositing User: I Made Bramanta Ari Kusuma
Date Deposited: 13 Jul 2026 23:52
Last Modified: 13 Jul 2026 23:52
URI: http://repo.undiksha.ac.id/id/eprint/30793

Actions (login required)

View Item View Item