Aplikasi Identifikasi Angka Jari 1-5 Menggunakan CNN Berbasis Pengolahan Citra
DOI:
https://doi.org/10.29407/xegsf729Keywords:
citra statis, convolutional neural network, gesture tangan, deteksi tepiAbstract
Penelitian ini mengkaji penerapan pengolahan citra digital dan Convolutional Neural Network (CNN) dalam mengidentifikasi angka jari tangan 1 sampai 5 menggunakan citra statis. Pendekatan berbasis citra statis dipilih untuk menghindari ketergantungan pada pemrosesan video atau sistem real-time, sehingga kualitas citra masukan dapat dikendalikan dengan lebih baik. Sistem yang dikembangkan memungkinkan pengguna mengunggah citra tangan untuk kemudian diproses melalui tahapan preprocessing yang meliputi konversi grayscale, resize dengan padding, normalisasi nilai piksel, binerisasi, serta deteksi tepi menggunakan operator Prewitt dan Laplacian guna memperjelas kontur jari. Citra hasil preprocessing selanjutnya diklasifikasikan menggunakan model CNN yang telah dilatih sebelumnya. Hasil pengujian terhadap lima citra tangan statis menunjukkan bahwa sistem mampu mengenali jumlah jari dengan tingkat keyakinan yang bervariasi pada setiap citra uji. Berdasarkan hasil pengujian tersebut, diperoleh rata-rata tingkat keyakinan sebesar 91,83%, yang menunjukkan bahwa kombinasi tahapan preprocessing citra dan CNN mampu mengenali pola jumlah jari dengan baik. Selain menampilkan hasil klasifikasi, aplikasi juga menyajikan nilai probabilitas prediksi serta visualisasi tahapan pengolahan citra, sehingga proses identifikasi dapat dianalisis secara lebih jelas. Penelitian ini menunjukkan bahwa pengenalan gesture tangan berbasis citra statis berpotensi menjadi solusi yang efektif dan praktis untuk mendukung sistem interaksi manusia dan komputer.
Downloads
References
[1] Prananta, G. B., Azzikri, H. A., & Rozikin, C. (2023). REAL-TIME HAND GESTURE DETECTION AND RECOGNITION USING CONVOLUTIONAL ARTIFICIAL NEURAL NETWORKS: DETEKSI DAN PENGENALAN GESTUR TANGAN SECARA REAL-TIME MENGGUNAKAN JARINGAN SARAF TIRUAN KONVOLUSIONAL. METHODIKA: Jurnal Teknik Informatika dan Sistem Informasi, 9(2), 30-34.
[2] Widyaningsih, M., & Hendartie, S. (2022). Image Processing Bentuk Jarimatika dengan deteksi Canny dan Ektraksi Momen Hu: Image Processing of Jarimatic shape With Canny Detection and Moment Hu Extraction. Jurnal Sains Komputer dan Teknologi Informasi, 4(2), 1-10.
[3] Pratikno, H., Pratama, M. R., & Triwidyastuti, Y. (2023). Pengenalan Gestur Jari Tangan Sebagai Media Pembelajaran Berhitung Bagi PAUD Berbasis Visi Komputer dan Deep Learning: Pengenalan Gestur Jari Tangan BerbasisVis i Komputer Dan Deep Learning. Journal of Computer Electronic and Telecommunication, 4(1). [4] K. O’Shea and R. Nash, “An Introduction to Convolutional Neural Networks,” arXiv preprint arXiv:1511.08458, 2015.
[4] Wijaya, A. P. (2024). Pengembangan sistem pengenalan pergerakan prostetik tangan bionik menggunakan metode K-Nearest Neighbor dengan fitur power spectral density. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 8(6).
[5] Pramono, I. M., Niswati, Z. I., & Agustina, A. (2024, January). MODEL PENERJEMAH BAHASA ISYARAT INDONESIA DENGAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN). In Semnas Ristek (Seminar Nasional Riset dan Inovasi Teknologi) (Vol. 8, No. 01). [7] OpenCV Documentation, “Laplacian Operator,” 2019.
[6] Sarowar, M. S., Farjana, N. E. J., Khan, M. A. I., Mutalib, M. A., Islam, S., & Islam, M. Hand Gesture Recognition Systems: A Review of Methods, Datasets, and Emerging Trends. International Journal of Computer Applications, 975, 8887.Marpaung, F., Aulia, F., & Nabila, R. C. (2022). Computer Vision Dan Pengolahan Citra Digital.
[7] Rais, M. F., AlFatrah, M. I., Noorta, C. Z., Rimbawa, H. D., & Atturoybi, A. (2025). Artificial intelligence-based hand gesture recognition for sign language interpretation. Jurnal Mandiri IT, 14(1), 76-86.Widyaningsih, M., & Hendartie, S. (2022). Image Processing Bentuk Jarimatika dengan deteksi Canny dan Ektraksi Momen Hu: Image Processing of Jarimatic shape With Canny Detection and Moment Hu Extraction. Jurnal Sains Komputer dan Teknologi Informasi, 4(2), 1-10.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Ragil Karnoto, Ika Arinun Nisa Nisa'
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
