TA : Hand Gesture Detection sebagai Alat Bantu Ajar Berhitung menggunakan Mediapipe dan Convolutional Neural Network secara Realtime
Total View This Week0
Total View This Week0
Institusion
Universitas Dinamika
Author
Muhammad Rifki Pratama Nautica (STUDENT ID : 18410200038)
Heri Pratikno (LECTURER ID : 0716117302)
Yosefine Triwidyastuti (LECTURER ID : 0729038504)
Heri Pratikno (LECTURER ID : 0716117302)
Yosefine Triwidyastuti (LECTURER ID : 0729038504)
Subject
621 Applied physics
Datestamp
2022-08-10 07:52:29
Abstract :
Pendidikan usia dini merupakan salah satu aspek penting dari kehidupan setiap orang dimana segala sesuatu yang akan dipelajari di masa depan bermula pada pendidikan pada usia dini. Dalam perkembangannya di Indonesia, terutama di masa pandemi, pendidikan di Indonesia mengalami perubahan signifikan dimana kegiatan belajar mengajar harus dilakukan secara online. Hal tersebut mengakibatkan learning loss untuk sebagian aspek penting, terlebih pada pendidikan jenjang usia dini. Keadaan learning loss menurut Guru Besar Universitas Islam Indonesia, Edy Suandi Hamid, merupakan keadaan dimana hilangnya sebagian ilmu yang diberikan dari tenaga pendidik kepada peserta didik. Salah satu mata pelajaran yang mengalami learning loss adalah pelajaran dasar berhitung pada anak usia dini. Oleh karena masalah tersebut, maka tenaga pendidik perlu untuk mencari cara agar kegiatan belajar mengajar terutama berhitung tidak terasa membosankan bagi anak-anak usia dini. Dengan menggabungkan teknologi Computer Vision, Deep Learning dan konsep belajar sambil bermain, maka dapat membantu proses belajar mengajar secara interaktif pada anak usia dini. Pada penelitian Tugas Akhir ini, penulis menggunakan implementasi framework Mediapipe dan arsitektur Convolutional Neural Network sebagai alat bantu ajar berhitung pada pendidikan usia dini secara real-time dengan metode object detection melalui deteksi bentuk gestur jari tangan. Adapun gestur jari tangan yang akan di deteksi adalah bentuk kesepuluh jari tangan. Dari pengujian yang dilakukan, performa akurasi metode Mediapipe sebesar 90,99% dan arsitektur CNN sebesar 38,67%. Untuk performa komputasi, metode Mediapipe menghasilkan frame per second sebesar 20-25 FPS sedangkan metode CNN menghasilkan frame per second sebesar 10-12 FPS.
Pendidikan usia dini merupakan salah satu aspek penting dari kehidupan setiap orang dimana segala sesuatu yang akan dipelajari di masa depan bermula pada pendidikan pada usia dini. Dalam perkembangannya di Indonesia, terutama di masa pandemi, pendidikan di Indonesia mengalami perubahan signifikan dimana kegiatan belajar mengajar harus dilakukan secara online. Hal tersebut mengakibatkan learning loss untuk sebagian aspek penting, terlebih pada pendidikan jenjang usia dini. Keadaan learning loss menurut Guru Besar Universitas Islam Indonesia, Edy Suandi Hamid, merupakan keadaan dimana hilangnya sebagian ilmu yang diberikan dari tenaga pendidik kepada peserta didik. Salah satu mata pelajaran yang mengalami learning loss adalah pelajaran dasar berhitung pada anak usia dini. Oleh karena masalah tersebut, maka tenaga pendidik perlu untuk mencari cara agar kegiatan belajar mengajar terutama berhitung tidak terasa membosankan bagi anak-anak usia dini. Dengan menggabungkan teknologi Computer Vision, Deep Learning dan konsep belajar sambil bermain, maka dapat membantu proses belajar mengajar secara interaktif pada anak usia dini. Pada penelitian Tugas Akhir ini, penulis menggunakan implementasi framework Mediapipe dan arsitektur Convolutional Neural Network sebagai alat bantu ajar berhitung pada pendidikan usia dini secara real-time dengan metode object detection melalui deteksi bentuk gestur jari tangan. Adapun gestur jari tangan yang akan di deteksi adalah bentuk kesepuluh jari tangan. Dari pengujian yang dilakukan, performa akurasi metode Mediapipe sebesar 90,99% dan arsitektur CNN sebesar 38,67%. Untuk performa komputasi, metode Mediapipe menghasilkan frame per second sebesar 20-25 FPS sedangkan metode CNN menghasilkan frame per second sebesar 10-12 FPS.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
