MEDIA INTERAKSI ANTARA MANUSIA DENGAN PERANGKAT KERAS MELALUI KINECT MENGGUNAKAN FUZZY SUGENO Achmad Teguh Wibowo 1)
Tantri Windarti2)
1) Program Studi/Jurusan Sistem Informasi STIKOM Surabaya, email :
[email protected] 2) Program Studi/Jurusan Sistem Informasi STIKOM Surabaya, email :
[email protected]
AB
AY
A
Abstract: Saat ini masih banyak ditemui interaksi manusia dengan komputer yang hanya mengunakan keyboard dan mouse saja, sehingga banyak peneliti berkeinginan membuat interaksi manusia dengan komputer yang lebih hidup dan menyenangkan untuk dilakukan. Gesture proccessing merupakan salah satu jawaban atas keinginan para peneliti untuk memberikan pengalaman baru dalam hal interaksi manusia dengan komputer. Membahas gesture tidak akan lengkap tanpa membahas Natural User Interface (NUI). NUI adalah istilah umum untuk beberapa teknologi seperti speech recognition, multitouch dan kinectic interface seperti kinect. Teknologi ini memunculkan ciri lain dari NUI seperti interaksi antar user dan komputer akan terjadi tanpa perantara (media interakasi tidak akan terlihat). Penggabungan dari teknologi kinect dan Fuzzy Sugeno yang diproses oleh komputer dapat menjadi solusi dari media interaksi manusia dengan komputer yang lebih menarik dan dapat mengurangi penggunaan keyboard atau mouse, teknologi ini dapat membaca gerakan tubuh manusia yang disorot oleh kamera kinect menjadi kode-kode perintah yang bisa dimengerti komputer. Keywords: Natural User Interface (NUI), Kinect, Fuzzy Sugeno
kinectic interface seperti kinect. NUI lebih unggul
R
Gesture atau bahasa tubuh adalah gerakan
dari graphical user interface seperti interaksi
komunikasi verbal. Bagian tubuh yang umum
menggunakan keyboard dan mouse yang umum
digunakan adalah tangan, jari, lengan, kepala, wajah,
digunakan di beberapa sistem operasi seperti
mata, alis dan badan (Loehr, 2004).
windows,
SU
tubuh secara spontan yang biasanya menyertai
Gesture proccessing merupakan salah satu atas
keinginan
para
peneliti
linux
dan
lain-lain.
NUI
memunculkan ciri lain seperti interaksi antar user dan
untuk
komputer akan terjadi tanpa perantara (media
memberikan pengalaman baru dalam hal interaksi
interaksi tidak akan terlihat) (Webb and Ashley,
manusia dengan komputer.
2012).
M
jawaban
mac,
O
Dalam hal ini diperlukan suatu teknologi
Salah satu metode yang biasa digunakan adalah fuzzy sugeno. Metode ini merupakan metode
gerakan-gerakan yang dibuat oleh manusia menjadi
inferensi fuzzy untuk aturan yang direpresentasikan
suatu perintah yang dapat dibaca dan diproses oleh
dalam
komputer. Teknologi ini biasa disebut kinect, alat ini
(konsekuen) sistem tidak berupa himpunan fuzzy,
merupakan proyek dari Microsoft dengan nama
melainkan berupa konstanta atau persamaan linear.
ST
IK
khusus yang mampu membaca dan menerjemahkan
bentuk
IF
–
THEN,
dimana
output
Project Natal, proyek ini bertugas untuk menciptakan
Metode ini diperkenalkan oleh Takagi-Sugeno Kang
alat yang mampu melakukan depth recognition,
pada tahun 1985.
motion tracking, facial recognition dan speech
NUI dapat membaca gerakan tubuh manusia
recognition. Referensi alat ini dibuat oleh perusahaan
(gesture) yang disorot oleh kamera kinect menjadi
PrimeSense yang terdiri dari sebuah kamera RGB,
kode-kode perintah yang bisa dimengerti computer,
sebuah sensor infra merah dan sebuah light source
sedangkan
infra merah (Webb and Ashley, 2012).
digunakan untuk mencari nilai akhir yang berupa
penggunaan
metode
fuzzy
sugeno
NUI adalah istilah umum untuk beberapa
nilai konstanta sebagai parameter pemicu kerja
teknologi seperti speech recognition, multitouch dan
perangkat keras. Penggunaan metode fuzzy sugeno SNASTI 2013, ICCS - 13
dapat meningkatkan kinerja aplikasi yang dibuat,
1. Kinect Windows Software Development
karena metode ini mempunyai beberapa kelebihan
Toolkit (SDK)
diantaranya komputasinya lebih efisien dan bekerja
Untuk
paling baik untuk teknik linear.
membuat
aplikasi
menggunakan
kinect di sistem operasi windows, kita harus menginstall kinect SDK, salah satunya adalah
antara manusia dan komputer dapat terjadi melalui
KinectSDK-v1.5. SDK kinect sudah menyediakan
gesture, sehingga dapat mempersingkat waktu dan
software library dan tools untuk membantu membuat
lebih menyenangkan dalam hal pengendalian alat
aplikasi menggunakan kinect sensor, software library
yang sudah disesuaikan dengan teknologi kinect.
dan tools pada kinect tampak pada Gambar 2. dan
Sehingga prinsip dari HCI yaitu membuat agar sistem
Gambar 3. (Wiranda, 2012).
AY
dapat berdialog dengan penggunanya terjadi seramah dan seefisien mungkin dapat tercapai.
dengan nama Project Natal, proyek ini bertugas untuk menciptakan alat yang mampu melakukan depth recognition, motion tracking, facial recognition
SU
dan speech recognition. Struktur kinect tampak
Gambar 2. Gambaran Interaksi Sensor Kinect Dengan Aplikasi (Wiranda, 2012).
R
Kinect merupakan proyek dari Microsoft
AB
LANDASAN TEORI A. Kinect
A
Dengan adanya teknologi ini, interaksi
O
M
seperti pada Gambar 1. (Webb and Ashley, 2012).
IK
Gambar 1. Struktur Kinect (Webb and Ashley, 2012).
Sensor kinect berbasis lensa optik dan
Gambar 3. Arsitektur SDK Kinect (Wiranda,2012) Kinect SDK terintegrasi dengan sistem operasi windows
melalui komponen standart
termasuk : • Audio, speech and media API dapat digunakan dengan aplikasi seperti Microsoft Speech SDK. • DirectX Media Object (DMO) dapat digunakan
dapat bekerja baik di antara range nilai berikut
dengan aplikasi seperti DirectShow atau Media
(Catuhe, 2012) :
Foundation.
ST
memiliki beberapa keterbatasan, tetapi sensor kinect
• Horizontal viewing angel 57o
• Vertical viewing angle 43o
• Jarak terbaik user dengan sensor kinect adalah 1.2 m • Depth range 400 mm sampai 800 mm • Temperature 5 sampai 35 derajat celcius SNASTI 2012,BIDANG ILMU - 14
2. Video Stream Seperti yang diketahui bahwa data pertama yang diberikan oleh kinect sensor adalah video stream. Meskipun kinect sensor berfungsi sebagai kamera 3D, pada tingkat yang paling dasar. Kamera
standart kinect dapat menangkap video streams
kita bisa menentukan lebar dan tinggi pengguna
menggunakan resolusi dan frame rate berikut ini :
menggunakan trigonometri, dimana cara mengitung
• 640 x 480 sebanyak 30 fps menggunakan RGB
lebar pengguna tampak pada Gambar 5. (Webb and Ashley, 2012).
format. • 1280 x 960 sebanyak 12 fps menggunakan RGB format. • 640 x 480 sebanyak 15 fps menggunakan YUV
A
format.
3. Depth Camera
AY
Gambar 5. Menetukan Lebar Pengguna (Webb And Ashley, 2012)
Seperti halnya video stream, depth camera juga dapat mengirim aliran data yang terdiri dari jarak antara kamera kinect dengan object terdekat
B. Logika Fuzzy
Orang yang belum pernah mengenal logika
dihasilkan mengandung nilai jarak yang dinyatakan
fuzzy pasti akan mengira bahwa logika fuzzy adalah
AB
yang ditemukan. Setiap pixel dari gambar yang
sesuatu yang amat rumit dan tidak menyenangkan.
dalam satuan millimeter (Webb and Ashley, 2012). Resolusi yang dapat didukung oleh depth camera antara lain (640 x 480), (320 x 240) atau (80
Namun, sekali seseorang mulai mengenalnya, ia pasti akan sangat tertarik dan akan menjadi pendatang baru untuk ikut serta mempelajari logika fuzzy. Logika
sebesar 30 FPS. Dengan menggunakan method
fuzzy dikatakan sebagai logika baru yang lama, sebab
R
x 60). Semua resolusi menggunakan frame rate
ilmu tentang logika fuzzy modern dan metodis baru
disukai, gambar DeptStream tampak pada Gambar 4.
ditemukan beberapa tahun yang lalu, padahal
(Webb and Ashley, 2012).
sebenarnya konsep tentang logika fuzzy itu sendiri
SU
DepthStream kita dapat memilih resolusi yang
Logika fuzzy adalah suatu cara yang tepat
untuk memetakan suatu ruang input ke dalam suatu ruang output. Contoh pemetaan input-output pada logika fuzzy tampak pada gambar 6.
IK
O
M
sudah ada sejak lama (Kusumadewi, 2004).
ST
Gambar 4.Contoh Capture Gambar Menggunakan Depth Camera (Webb And Ashley, 2012)
4. Mengambil Ukuran
Gambar 6. Contoh Pemetaan Input-Output (Kusumadewi, 2004)
Salah satu hal yang menarik dari kinect
adalah mengukur pixel dari pengguna, dimana posisi X dan Y dari pixel tidak berkoordinasi dengan lebar
1. 1nferensi Fuzzy Inferensi
Fuzzy
merupakan
kerangka
atau tinggi secara actual. Namun bisa saja kita
komputasi yang didasarkan pada teori himpunan
menghitung pixel dari pengguna karena kita tahu
fuzzy, aturan fuzzy berbentuk if-then dan penalaran
bahwa sudut pandang kamera kinect sebesar 57
fuzzy. Inferensi fuzzy telah berhasil diterapkan di
derajat horizontal dan 43 deratajat vertical, sehingga
bidang-bidang seperti kontrol otomatis, klasifikasi SNASTI 2013, ICCS - 15
data, analisis keputusan, dan sistem pakar. Sehingga
Proses
penegasan
(defuzzy)
dilakukan
dari penerapan yang ada dikenal beberapa istilah lain
dengan menggunakan konsep rata-rata tertimbang
dalam inferensi fuzzy yaitu fuzzy rule based, sistem
(weighted average), seperti terlihat pada persamaan
pakar fuzzy, pemodelan fuzzy, fuzzy assosiative
di bawah (Kusumadewi, 2004).
memory dan pengendalian fuzzy (ketika digunakan
R
∑ (α z ) r r
z = r =1 R
∑α
2. Metode Sugeno
r =1
Michio Sugeno mengusulkan penggunaan
Sistem
r
fuzzy
Sugeno
juga
memiliki
A
pada proses kontrol) (Kusumadewi, 2004).
kelemahan terutama pada bagian THEN, yaitu dengan
Singleton adalah sebuah
adanya perhitungan matematika sehinga tidak dapat
himpunan fuzzy dengan
AY
singleton sebagai fungsi keanggotaan dari konsekuen.
fungsi keanggotaan pada titik tertentu mempunyai
menyediakan
sebuah nilai dan 0 di luar titik tersebut. Pada metode
merepresentasikan pengetahuan manusia dengan
Sugeno dua bagian pertama dari proses penarikan
sebenarnya. Permasalahan kedua adalah tidak adanya
kesimpulan fuzzy, fuzzifikasi input dan menerapkan
kebebasan untuk menggunakan prinsip yang berbeda
operator fuzzy semua
sama dengan metode
dalam logika fuzzy, sehingga ketidakpastian dari
Mamdani. Perbedaan utama antara metode Mamdani
sistem fuzzy tidak dapat direpresentasikan secara baik
dan Sugeno adalah output membership function dari
dalam kerangka ini (Kusumadewi, 2004).
sugeno mempunyai bentuk :
If input 1 = x and input 2 = y then Output is z = ax + by + c
AB
A. Metodologi Penelitian Metodologi
penelitian dalam penelitian
media media interaksi antara manusia dengan
Ada 2 model fuzzy dengan metode Sugeno yaitu sebagai berikut :
perangkat keras melalui kinect menggunakan fuzzy sugeno tampak dalam gambar 7.
M
1. Model fuzzy Sugeno Orde-Nol
Secara umum bentuk model fuzzy Sugeno Orde-
O
Nol adalah :
untuk
METODOLOGI PENELITIAN
SU
(Kusumadewi, 2004). Aturan pada model fuzzy
alami
R
metode Sugeno berbentuk linier atau konstan
kerangka
IF(x1 is A1) * (x2 is A2) * (x3 is A3) *…..* (xN
IK
is AN) THEN z = k
Dengan Ai adalah himpunan fuzzy ke – I sebagai
antiseden, dan k adalah suatu konstanta (tegas)
Mulai Pra-Penelitian
ST
Secara umum bentuk model fuzzy Sugeno Orde-
Satu adalah :
IF(x1 is A1i) *….* (xN is ANi) THEN z = p1 * x1 +….+ PN * xN + q
SNASTI 2012,BIDANG ILMU - 16
Ya
Identifikasi Analisis
sebagai konsekuen.
2. Model fuzzy Sugeno Orde-Satu
Sesuai?
Desain Sistem
Tidak
Pengujian
Tidak
Sesuai? Ya
Implementasi
Selesai
GamGambar 7. Metodologi Penelitian.
d) Desain
B. Alat dan Bahan Alat dan bahan yang digunakan dalam
sistem
:
merancang
sistem
secara
keseluruhan mulai dari antar muka, pengolahan
penelitian ini adalah :
input dan menghasilkan output yang digunakan
A. Kebutuhan Perangkat Lunak
untuk memicu kerja perangkat keras.
Perkiraan
kebutuhan
perangkat
lunak
yang
e) Implementasi : memindahkan hasil rancangan
digunakan dalam penelitian ini agar dapat
pada
tahap
sebelumnya
kadalam
sistem
berjalan dengan baik :
komputerisasi. Pada bagian ini, membuat aplikasi
A
hasil dari rancangan desain sistem yang dibuat.
1. Microsoft Visual Studio 2010 (C#).
f) Pengujian : dalam tahap ini dilakukan dengan
2. Microsoft SDK kinect 1.5.
tahap.
Tahap
pertama
melakukan
AY
beberapa
3. Sistem operasi windows 7 keatas
pengujian perangkat lunak sistem yang dibagi
B. Kebutuhan perangkat keras
dalam 4 bagian, yaitu bagian jarak, kemiringan,
digunakan dalam penelitian ini agar dapat
pencahayaan tubuh dengan mesin kinect dan
berjalan dengan baik :
posisi tubuh memunggungi mesin kinect.
kebutuhan
perangkat
keras
AB
yang
Perkiraan
1. Memory kapasitas 512 mb atau lebih.
D. Hipotesis
2. Hardisk 20 gb atau lebih.
• Terdapat
3. Kabel Converter serial to usb. 4. Mesin Kinect. intel
kinect
Pentium
IV
kemiringan yang
tubuh diproses
dengan
menggunakan fuzzy Sugeno terhadap aplikasi yang dibuat.
SU
keyboard
mesin
terhadap
kecepetan 1.86 atau lebih. 6. Mouse,
nilai
R
5. Processor
pengaruh
dan
keadaan baik.
monitor
dalam
• Terdapat pengaruh nilai jarak telapak tangan kanan dan telapak tangan kiri terhadap mesin
7. Perangkat keras yang terdiri dari rangkaian lampu led.
kinect yang diproses menggunakan fuzzy Sugeno terhadap aplikasi yang dibuat.
M
• Terdapat pengaruh pencahayaan ruangan terhadap
C. Pengumpulan Data
aplikasi yang dibuat.
Untuk pengumpulan data yang diperlukan
HASIL DAN PEMBAHASAN
a) Studi literature : cara ini dilakukan dengan tujuan
A. Representasi Pengetahuan
O
dalam pelaksanaan penelitian ini. Menggunakan cara:
IK
untuk memperoleh pengetahuan lebih dalam
Proses representasi pengetahuan dilakukan
tentang pemrograman dengan kinect dimana
dengan
metode
pengetahuan
ini
dipilih
untuk
memberikan
ST
penyelesaian dalam penelitian ini.
cara
mengumpulkan pokok
dan
pengetahuan-
aturan-aturan
yang
digunakan dalam pemanfaatan kinect sebagai pemicu
b) Observasi : cara ini dilakukan terhadap objek
kerja perangkat keras yang selanjutnya disusun
secara langsung guna mendapatkan informasi
berdasarkan:
dasar terhadap objek yang diteliti.
1. Posisi tubuh pengguna terhadap mesin kinect.
c) Analisis : semua data yang diperoleh melalui tahap studi literature dan observasi, dirancang
2. Jarak telapak tangan kiri dan kanan pengguna terhadap mesin kinect
menjadi inferensi fuzzy, desain interface serta
Aturan-aturan
melakukan
representasi pengetahuan direpresentasikan dalam
akuisisi
data
pengumpulan data sebelumnya.
informasi
hasil
yang
digunakan
dalam
proses
bentuk grafik fuzzy. Terdapat 2 grafik fuzzy yang SNASTI 2013, ICCS - 17
digunakan, yaitu grafik posisi dan grafik jarak
2. Variabel sedang dimulai dari sumbu (1, 0), (2, 1),
telapak tangan. Kedua grafik tersebut mempunyai variabel yang berbeda, grafik posisi mempunyai 5
(3, 0). 3. Variabel jauh dimulai dari sumbu (2, 0), (3, 1),
variabel yaitu:
(4,1).
1. Variabel kiri besar dimulai dari sumbu (-1, 1), (Tabel 2. Nilai dan Variabel Grafik Telapak Tangan
0.5, 1), (-0.25, 0).
0.25, 1), (0,0). 3. Variabel tengah dimulai dari sumbu (-0.25, 0), (0,
No
Variabel
X1
Y1
X2
Y2
X3
Y3
1
Dekat
0
1
1
1
2
0
2
Sedang
1
0
2
1
3
0
3
Jauh
2
0
3
A
2. Variabel kiri kecil dimulai dari sumbu (-0.5, 0), (-
1
1), (0.25, 0).
AY
ke dalam rumus fungsi keanggotaan kurva fuzzy
(0.25, 1), (0.5, 0). 5. Variabel kanan besar dimulai dari sumbu (0.25,
X2 -0.5 -0.25 0 0.25
Y2 1 1 1 1
X3 -0.25 0 0.25 0.5
Y3 0 0 0 0
0.25
0
0.5
1
1
1
AB
Y1 1 0 0 0
SU
X1 -1 -0.5 -0.25 0
R
Tabel 1. Nilai dan Variabel Grafik Posisi
5
trapesium, sehingga menghasilkan grafik fuzzy jarak telapak tangan yang diperlihatkan dalam Gambar 9.
0), (0.5, 1), (1,1).
Variabel Kiri besar Kiri kecil Tengah Kanan kecil Kanan besar
1
Nilai dari Xn dan Yn dalam Tabel 2 dimasukan
4. Variabel kanan kecil dimulai dari sumbu (0, 0),
No 1 2 3 4
4
Gambar 9. Grafik Fuzzy Jarak TelapakTangan
Nilai dari Xn dan Yn dalam Tabel 1
dimasukan ke dalam rumus fungsi keanggotaan kurva
B. Data Flow Diagram (DFD)
fuzzy trapesium, sehingga menghasilkan grafik fuzzy
1. Diagram Konteks
M
posisi yang diperlihatkan pada gambar 8.
O IK
ST
Gambar 8. Grafik Fuzzy Posisi
Sedangkan grafik jarak telapak tangan
mempunyai 3 variabel yaitu: 1. Variabel dekat dimulai dari sumbu (0, 1), (1, 1), (2,0).
SNASTI 2012,BIDANG ILMU - 18
kinect
data gambar berwarna
jarak telapak tangan user jarak tubuh user
posisi tubuh user
data gambar kedalaman 0 Jarak tubuh posisi tubuh jarak telapak tangan
Aplikasi NUI menggunakan kinect berbasis fuzzy inference system
Data gambar skeletal kode pemicu hardware
+
gambar skeletal user
gambar kedalaman gambar berwarna data jarak tubuh data jarak telapak tangan data posisi tubuh
hardware
Gambar 10. Diagram Konteks
1 menangkap data
1
data user
4
-0.89 m
5
-1.15 m
6
-1.30 m
7
-1.37 m
8
-1.47 m
9
0.16 m
10
0.36 m
data user
data user
[Jarak tubuh]
2 [gambar skeletal] [gambar kedalaman] menampilkan data
[gambar berwarna]
user
[data jarak tubuh] [data jarak telapak tangan] [data posisi tubuh] data kinect
2
data kinect
data kinect
[jarak tubuh user]
kinect
[Data gambar skeletal] [data gambar kedalaman] [data gambar berwarna]
3
gesture swipe
[posisi tubuh user]
membaca gesture
[jarak telapak tangan user]
+
data hasil inferensi 3
data gesture
data gesture
data hasil inferensi
4
data hasil inferensi 4 fuzzy inference system Sugeno
data gesture
+
5 pemicu hardware
[kode pemicu hardware] hardware
+
GGambar 11. DFD Level 0
C. Uji Coba
AB
1. Pengujian Jarak Tubuh Terhadap Kinect
M
IK
2. Pengujian Posisi Tubuh Terhadap Kinect. Tabel 4. Tabel Pengujian Posisi Tubuh Terhadap Kinect
1
Posisi Tubuh (meter) 0.00 m
2
-0.46 m
3
-0.70 m
ST
No
11
0.41 m
12
0.55 m
13
0.70 m
14
0.78 m
15
0.87 m
16
1.00 m
17
1.13 m
18
1.30 m
SU
Hasil Percobaan Aplikasi tidak muncul di layar Aplikasi tidak muncul di layar Aplikasi muncul di layar Aplikasi muncul di layar Aplikasi muncul di layar Aplikasi muncul di layar Aplikasi muncul di layar Aplikasi muncul di layar Aplikasi muncul di layar Aplikasi muncul di layar Aplikasi muncul di layar Aplikasi muncul di layar Aplikasi muncul di layar Aplikasi muncul di layar Aplikasi muncul di layar Aplikasi muncul di layar Aplikasi muncul di layar Aplikasi muncul di layar Aplikasi tidak muncul di layar Aplikasi tidak muncul di layar
O
Jarak (meter) 0.79 m 0.86 m 0.98 m 1.14 m 1.53 m 2.08 m 2.17 m 2.25 m 2.32 m 2.43 m 2.47 m 2.54 m 2.68 m 2.73 m 2.77 m 2.88 m 3.50 m 3.68 m 3.83 m 3.95 m
R
Tabel 3. Tabel Pengujian Jarak Tubuh Terhadap Kinect No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Keterangan
Tubuh condong ke sisi kiri dengan kamera kinect Tubuh condong ke sisi kiri dengan kamera kinect Tubuh condong ke sisi kiri dengan kamera kinect Tubuh condong ke sisi kiri dengan kamera kinect Tubuh condong ke sisi kiri dengan kamera kinect Tubuh condong ke sisi kanan dengan kamera kinect Tubuh condong ke sisi kanan dengan kamera kinect Tubuh condong ke sisi kanan dengan kamera kinect Tubuh condong ke sisi kanan dengan kamera kinect Tubuh condong ke sisi kanan dengan kamera kinect Tubuh condong ke sisi kanan dengan kamera kinect Tubuh condong ke sisi kanan dengan kamera kinect Tubuh condong ke sisi kanan dengan kamera kinect Tubuh condong ke sisi kanan dengan kamera kinect Tubuh condong ke sisi kanan dengan kamera kinect Tubuh condong ke sisi kanan dengan kamera kinect Tubuh condong ke sisi kanan dengan kamera kinect
Hasil Percobaan
Tubuh tepat sejajar dengan kamera kinect
Aplikasi muncul di layar
19
1.34 m
Tubuh condong ke sisi kiri dengan kamera kinect Tubuh condong ke sisi kiri dengan kamera kinect
Aplikasi muncul di layar
20
1.41 m
Aplikasi muncul di layar
Aplikasi muncul di layar
Aplikasi muncul di layar
Aplikasi muncul di layar
A
[jarak telapak tangan] [posisi tubuh]
Aplikasitidak muncul di layar
AY
2. DFD Level 0
Aplikasi muncul di layar
Aplikasi muncul di layar
Aplikasi muncul di layar
Aplikasi muncul di layar
Aplikasi muncul di layar
Aplikasi muncul di layar
Aplikasi muncul di layar
Aplikasi muncul di layar
Aplikasi muncul di layar
Aplikasi muncul di layar
Aplikasi muncul di layar
Aplikasitidak muncul di layar
Aplikasi muncul di layar
SNASTI 2013, ICCS - 19
3. Pengujian
Pencahayaan
Ruangan
4. Posisi minimal antara kinect dengan tubuh adalah
Terhadap Kinect
± -1.47 m dan posisi maksimalnya adalah < 0.00
Tabel 5. Tabel Pengujian Pencahayaan Ruangan Terhadap Kinect
m sedangkan mendeteksi posisi tubuh condong ke
0 1 2 3 4 5 6 7 8 9 10 11 12 13
dengan tubuh adalah > 0.00 m dan posisi
Keterangan
maksimalnya adalah ± 1.41 m.
Aplikasi muncul di layar Aplikasi muncul di layar Aplikasi muncul di layar Aplikasi muncul di layar Aplikasi muncul di layar Aplikasi muncul di layar Aplikasi muncul di layar Aplikasi muncul di layar Aplikasi muncul di layar Aplikasi muncul di layar Aplikasi muncul di layar Aplikasi muncul di layar Aplikasi muncul di layar Aplikasi muncul di layar
5. Faktor cahaya tidak berpengaruh.
B. Saran Berikut saran dalam penelitian ini : 1. Penelitian
ditingkatkan
sugeno
dapat
AB
fuzzy
digabungkan/hybird dengan algoritma lain untuk
A. Kesimpulan
mendapatkan hasil yang lebih baik.
sistem,
analisa,
implementasi
maka
dapat
dan
diambil
kesimpulan :
Kusumadewi, S. 2004. Aplikasi Logika Fuzzy Untuk Pendukung Keputusan. Graha Ilmu. Loehr, Daniel P. 2004. Gesture and Intonation. Disertasi tidak diterbitkan. Washington D.C : Georgetown University. Webb, J, and Ashley, J. 2012. Begining Kinect Programming with the Microsoft KinectSDK. Apress. Wiranda, N. 2012. Implementasi Kinect Pada Penerjemahan Bahsa Isyarat. Publikasi Sekolah Tinggi Manajemen Informatika Dan Komputer AMIKOM, Yogyakarta.
SU
1. Kinect dapat menangkap jarak tubuh, data posisi,
RUJUKAN
R
perancangan serta
dapat
untuk bidang sipil dan lain-lain.
KESIMPULAN DAN SARAN
pengujian
ini
kebermanfaatanya, seperti menerapkan kinect
2. Algoritma
Dari
A
1 2 3 4 5 6 7 8 9 10 11 12 13 14
kanan dengan baik posisi minimal antara kinect
AY
No
Intensitas Cahaya (Cd)
kedua telapak tangan serta mendeteksi hand gesture (swipe).
2. Metode Fuzzy Sugeno bekerja sesuai dengan hasil yang diinginkan.
M
3. Jarak minimal antara kinect dengan tubuh adalah
ST
IK
O
± 0.84 m dan jarak maksimalnya adalah ± 3.83 m.
SNASTI 2012,BIDANG ILMU - 20
