SISTEM PENGENALAN GERAK TANGAN MENGGUNAKAN MEDIAPIPE DAN 1D CNN UNTUK MENGONTROL WASHING MACHINE OTOMATIS

Penelitian ini merancang sistem pengenalan gerakan tangan berbasis MediaPipe dan 1D Convolutional Neural Network (CNN) untuk mengontrol washing machine otomatis, yaitu pompa air, pompa sabun, dan blower pengering, tanpa sentuhan langsung. Web camera menangkap citra tangan pengguna secara real time, MediaPipe Hands mengekstraksi 21 titik landmark, dan model 1D CNN mengklasifikasikan gestur menjadi empat kategori, yaitu air, sabun, pengering, dan unknown sebagai Gerak tangan di luar ketiga perintah utama. Seluruh proses berjalan pada Raspberry Pi, yang mengaktifkan pompa air selama 5 detik, pompa sabun selama 2 detik, atau blower selama 10 detik sesuai gestur yang dikenali. Hasil pengujian model menunjukkan akurasi rata-rata 89,8%, dengan akurasi tertinggi pada gestur pengering (95,5%). Pengujian sistem pada enam partisipan menghasilkan akurasi confidence rata-rata 89,2%, dengan performa terbaik pada partisipan Figo (96,3%). Pengujian integrasi menunjukkan seluruh aktuator dapat diaktifkan secara tepat sesuai gestur yang diberikan. Sistem ini terbukti bekerja konsisten dan akurat, sehingga dapat mempermudah proses cuci tangan otomatis yang lebih higienis.