KONTROL GERAKAN ROBOT MOBIL BERBASIS GESTURE MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

Robot mobil dapat bergerak dan berpindah posisi dari satu titik ke titik yang lain berdasarkan program yang ada pada robot tersebut ataupun menggunakan sebuah pengendali. Telah banyak penelitian yang dilakukan untuk mengambangkan pengendali robot yang efektif. Penelitian ini membahas tentang pengembangan kontrol gerakan robot mobil berbasis gesture dengan menggunakan metode Convolutional Neural Network (CNN). Tujuan dari penelitian ini adalah untuk mengimplementasikan teknologi machine learning dalam mengontrol gerakan robot mobil yang lebih mudah dan intuitif dengan menggunakan gesture tubuh. Penelitian ini terdiri dari empat tahap, yaitu pengumpulan data dan preprocessing data, pelatihan model CNN, dan pengujian model. Gesture yang digunakan sebagai pengontrol robot mobil ditetapkan untuk mengontrol gerakan maju, mundur, kanan, kiri, dan berhenti. Pengujian dilakukan pada 5 orang yang memiliki perbedaan postur tubuh dan gender. Pada pendeteksian gesture maju memiliki tingkat keberhasilan 86%, gesture mundur memiliki tingkat keberhasilan 90%, gesture kanan memiliki tingkat keberhasilan 90%, gesture kiri memiliki tingkat keberhasilan 88%, dan gesture berhenti memiliki tingkat keberhasilan 100%. Dengan adanya penelitian tugas akhir ini, dapat diketahui tingkat akurasi yang dihasilkan dari keseluruhan sistem deteksi gesture untuk mengontrol gerakan robot mobil sebesar 90,8%, serta jarak optimal deteksi adalah 200 dan 250 cm. Hasil pengujian menunjukkan bahwa model CNN yang telah dilatih mampu mengenali gestur tubuh dengan akurasi yang cukup tinggi.