Klasifikasi Nada Sesuai Kodàly Handsign Dengan Metode K-Nearest Neighbor Pada Leap Motion Controller

  • Muhammad Croassacipto Institut Teknologi Nasional - ITENAS
  • Muhammad Ichwan Institut Teknologi Nasional - ITENAS
  • Dina Budhi Utami Institut Teknologi Nasional - ITENAS
Abstract views: 596 , PDF downloads: 746

Abstract

Tangan dapat menghasilkan berbagai pose di mana setiap pose dapat memiliki makna atau tujuan yang dapat digunakan sebagai bentuk komunikasi ditentukan sesuai kesepakatan umum atau siapa yang berkomunikasi. Pose tangan dapat digunakan sebagai interaksi manusia dengan komputer yang lebih cepat, intuitif dan sesuai dengan fungsi alami dari tubuh manusia yang disebut Handsign. Salah satunya adalah Kodály Handsign yang dibuat oleh seorang komposer Hungaria bernama Zoltán Kodály yang merupakan konsep dalam pendidikan musik di Hungaria. Pendekatan langsung ini digunakan dalam pertunjukan angklung interaktif dalam menentukan nada yang akan dimainkan dengan algoritma K-Nearest Neighbor (KNN) untuk proses klasifikasi berdasarkan pose tangan. Proses klasifikasi ini dilakukan pada data yang diekstrak dari Leap Motion Controller yang mengambil nilai Pitch, Roll dan Yaw berdasarkan prinsip dasar pesawat. Hasil penelitian dilakukan sebanyak 5 kali dengan nilai k secara periodik 1,3,5,7,9 dengan data uji beruapa pose yang terdiri dari 1004 Do, 891 Re, 526 Mi, 661 Fa, 612 Sol, 913 La, 702 Si dan 874 Do' terhadap 21099 data latih. Hasil tes dapat mengenali pose tangan dengan nilai k optimal  k=1 dengan tingkat akurasi 94,87%.

Downloads

Download data is not yet available.

Author Biographies

Muhammad Croassacipto, Institut Teknologi Nasional - ITENAS
Mahasiswa
Muhammad Ichwan, Institut Teknologi Nasional - ITENAS
Dosen
Dina Budhi Utami, Institut Teknologi Nasional - ITENAS
Dosen

References

Utami Dina Budhi, Ichwan Muhammad, “Pengenalan Pose Tangan Menggunakan HuMomentâ€. JURNAL INFOTEL, [S.l.], v. 9, n. 1, p. 100-107, Feb. 2017. ISSN 2460-0997.

C. Keskin, F. Kirac, Y.E. Kara, L. Akarun, “Real Time Hand Pose Estimation Using Depth Sensorsâ€. Computer Vision Workshops (ICCV Workshop) 2011 IEEE International Conference on, pp. 1228-1234, 2011.

Mark Billinghurst, Tham Piumsomboon, dan Huidong Bai, “Hands in Space: Gesture Interaction with Augmented-Reality Interfacesâ€, IEEE Computer Graphics and Applications, vol. 34, Issue: 1, Jan.-Feb. 2014, pp. 77 – 80, 2014.

S. J. Reyadh Naoum, Hussein H. Owaied, “Development of a new arabic sign language recognition using k-nearest neighbor algorithm,†Journal of Emerging Trends in Computing and Information Sciences, vol. 3, pp. 1173–1178, 2012.

Choksy, L. (1999). The Kodály method I (3rd ed.). Upper Saddle River, NJ: Prentice Hall.

F. Weichert, D. Bachmann, B. Rudak, and D. Fisseler, “Analysis of the accuracy and robustness of the leap motion controller,†Sensors (Basel, Switzerland), vol. 13, no. 5, p. 6380, 2013.

https://developer.leapmotion.com/documentation.

https://forums.leapmotion.com.

Dedy Yuristiawan. 2015. Identifikasi Kualitas Daging Sapi Berbasis Android Dengan Ekstraksi Fitur Warna Dan Klasifikasi KNN. Fakultas Ilmu Komputer, Universitas Dian Nuswantoro.

Published
2019-03-22
How to Cite
Croassacipto, M., Ichwan, M., & Utami, D. B. (2019). Klasifikasi Nada Sesuai Kodàly Handsign Dengan Metode K-Nearest Neighbor Pada Leap Motion Controller. Indonesia Journal on Computing (Indo-JC), 4(1), 75-84. https://doi.org/10.21108/INDOJC.2019.4.1.269
Section
Computer Science