SISTEM KENDALI ROBOT ARM BERBASIS GESTUR TANGAN MENGGUNAKAN ALGORITMA RANDOM FOREST

Robot arm merupakan media pembelajaran robotika yang digunakan untuk mempelajari sistem kendali, kinematika, serta integrasi sensor dan aktuator. Sistem kendali robot arm pada umumnya masih menggunakan tombol atau joystick sehingga interaksi antara pengguna dan robot menjadi kurang intuitif. Penelitian ini bertujuan merancang dan mengimplementasikan sistem kendali robot arm 5-DoF berbasis gestur tangan menggunakan framework MediaPipe dan algoritma Random Forest. Proses pengenalan gestur dilakukan dengan memanfaatkan MediaPipe untuk mendeteksi 21 titik landmark tangan secara real-time, kemudian fitur landmark yang diperoleh diekstraksi dan dinormalisasi sebelum diklasifikasikan menggunakan Random Forest ke dalam 14 kelas gestur. Tahapan penelitian meliputi pengumpulan dataset sebanyak 16.800 citra, pelatihan model menggunakan skema train-test split 80:20, serta implementasi hasil klasifikasi pada sistem kendali robot arm. Model Random Forest memperoleh akurasi validasi sekitar 97,66%, sedangkan pengujian secara real-time terhadap enam partisipan menghasilkan rata-rata akurasi deteksi gestur sebesar 83,95% dengan rata-rata latensi sistem sebesar 80,42 ms. Hasil klasifikasi gestur selanjutnya diterjemahkan menjadi perintah gerakan pada setiap joint robot arm sehingga sistem dapat mengendalikan pergerakan robot secara real-time sesuai dengan gestur yang dikenali.