Pengenalan Bahasa Isyarat Tangan Berbasis Deteksi Tepi dan Nilai Eigen  

Oleh:

Kurnia, Rahmadi

Jenis: Article from Proceeding
Dalam koleksi: Prosiding Seminar Nasional Riset & Teknologi Terapan (Ritektra) "Teknologi Terapan dalam Upaya Meningkatkan Produktivitas dan Daya Saing Industri Nasional", Jakarta 16 - 17 Juni 2010 : Fakultas Teknik Elektro (2010), page 228-233.
Topik: Computer Vision; Edge Detection; Sobel Method; Sign Language; Eigen Value
Fulltext: TE-B-12 _Rahmadi K - Universitas Andalas Padang_.pdf (358.34KB)

Isi artikel

Perkembangan teknologi komputer yang sangat pesat telah memicu untuk mengembangkan suatu sistem otomatis komputer. Sistem ini dikenal dengan computer vision. Computer vision pada dasarnya bekerja layaknya penglihatan manusia. Mata manusia bekerja sebagai pusat penglihatan yang akan mengirimkan informasi ke otak dan pada akhirnya objek yang dilihat akan dikenali. Prinsip inilah yang menjadi landasan pada computer vision. Pada penelitian ini, untuk mengenali objek yang berupa bahasa isyarat tangan dilakukan pengolahan citra. Pengenalan yang berupa ekstraksi ciri fitur digunakan metode eigenface. Dengan menggunakan metode ini, citra yang berupa gambar akan diubah menjadi citra grayscale selanjutnya dilakukan pendeteksian tepi menggunakan teknik sobel sehingga didapatkan citra yang baru, citra ini kemudian diolah sehingga didapatkan suatu nilai eigen dan selanjutnya disimpan dalam database. Masing-masing simbol tangan memiliki nilai yang berbeda. Hal inilah yang akan digunakan untuk proses pengenalan objek. Pada tahap pencocokan, dilakukan proses pembandingan antara isyarat yang diinputkan melalui web camera dengan isyarat yang ada di database berdasarkan besar nilai kemiripan (error) yang ditentukan pada sistem. Nilai error merupakan selisih dari nilai eigen input dengan nilai eigen didatabase. Jika nilai error lebih kecil maka isyarat tangan yang diinputkan dikenali oleh komputer. Berdasarkan hasil penelitian persentase software dapat mengenali isyarat tangan yang diinputkan adalah 95,38 %.

Opini Anda

Klik untuk menuliskan opini Anda tentang koleksi ini!

Kembali