Sistem Pertolongan Pertama dengan Pola Tangan Menggunakan Machine Learning
PDF

Keywords

Haar Casscade Classifier
Machine Learning

How to Cite

Aristanti, A. A. ., & Wulanningrum, R. . (2020). Sistem Pertolongan Pertama dengan Pola Tangan Menggunakan Machine Learning. Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 4(1), 196–200. https://doi.org/10.29407/inotek.v4i1.196

Abstract

Dalam era digital seperti sekarang ini, di butuhkan keamanan yang dapat mengenali pola gestur tangan manusia untuk mencengah terjadinya tindakan kriminalitas manusia untuk mencengah terjadinya tindakan kriminalitas. Dalam kehidupan sehari-hari sering dijumpai kejahatan yang terjadi pada sebuah tempat dengan ruangan yang sempit dan hanya di awasi oleh CCTV. Biasanya ditempat seperti ini sering terjadi tindakan kejahatan. Sehingga korban yang panik  sulit untuk berteriak meminta pertolongan, dengan adanya sistem yang dapat terdeteksi oleh CCTV. Sistem ini memanfaatkan teknologi Maching Learning yaitu Teknologi  dari cabang ilmu Artificial Intellegence (Kecerdasan Buatan ) yang focus pada pengembangan sebuah sistem yang mampu belajar sendiri tanpa harus berulang kali di program oleh manusia, dengan begitu  Machine Learning  dapat di terapkan pada sebuah sistem yang bisa mengenali pola tangan pada ruangan yang tidak di jaga oleh satpam tetapi hanya diawasi dengan CCTV. Di dalam sistem tersebut akan tanda pemberitahuan apabila ada orang yang ingin melakukan tindakan kejahatan dengan mengenali pola gestur tangan. Menggunakan Metode Haar Cascade Classifier yaitu  pohon keputusan yang terdegenerasi di mana pada setiap tahap pengklasifikasi dilatih untuk mendeteksi hampir semua objek yang dilatih. Dan dengan sistem ini diharapkan dapat membantu mencengah terjadinya tindakan kejahatan dan dapat melakukan pertolongan pertama saat terjadinya tindakan kriminaldari hasil pelatihan pada malam hari diperoleh nilai akurasi sebesar 0,92, nilai presisi sebesar 0,90, nilai sensifitasnya 0,86 dengan tingkat eror 0,01763.dan penelitian pada siang hari diperoleh akurasi sebesar 0,72,nilai presisi 0,67,nilai sensifitasnya 0,078, dengan tingkat eror  0, 032084. Sistem ini dapat mendeteksi dengan tingkat akurasi tinggi pada malam hari karena Sinar cahaya sangat mempengaruhi dalam ujicoba realtime.

https://doi.org/10.29407/inotek.v4i1.196
PDF

References

Iskandar,Nur Muhamad, Sony Sumaryo, Ekki Kurniawan. 2018. Perancangan Dan Implementasi Sistem Pengenal Pola Tangan Berbasis Pengolahan Citra Untuk Sistem Pertolongan Darurat. e-Proceeding of Engineering : Vol.5. Prodi S1 Teknik Elektro Universitas Telkom. https://libraryeproceeding.telkomuniversity.ac.id/index.php/engineering/article/view/8142.

K. Viola, M. Jones. Robust Real Time Face Detection. International Journal of Computer Vision 57(2), 137-154 ,2004. https://link.springer.com/article/10.1023/B:VISI.0000013087.49260.fb.

. Vassana, Inmoonnoy, Mahasak Ketcham. 2017. The Message Notification For Patients Care System Using Hand Gestures Recognition. Department of Information Technology Management. King Mongkut’s University of Technology North Bangkok. Bangkok, Thailand. Online. https://ieeexplore.ieee.org/abstract/document/7905003/.

https://medium.com/@rey1024/mengenal-accuracy-precission-recall-dan-specificity-serta-yang-diprioritaskan-b79ff4d77de8.

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Copyright (c) 2020 Apriska Ade Aristanti, Resty Wulanningrum

Downloads

Download data is not yet available.