BAB 1 PENDAHULUAN 1.1. Latar Belakang Salah satu cara yang umum untuk melakukan interaksi dengan komputer adalah melalui penggunaan keyboard dan mouse. Namun, interaksi tersebut tidak dapat dilakukan oleh tunadaksa yang memiliki disabilitas (cacat) pada pergelangan tangan sampai ujung jari tangan. Disabilitas yang terjadi misalnya dapat berupa kelumpuhan dari pergelangan tangan sampai ujung jari tangan dan pergelangan tangan ataupun jari tangan diamputasi. Untuk mengatasi permasalahan yang terjadi, dibutuhkan suatu pendekatan untuk mengenali gerakan tangan manusia dengan tidak memperdulikan disabilitas yang terjadi pada pergelangan tangan sampai ujung jari tangan sebagai sarana interaksi manusia dan komputer. Penelitian mengenai pengenalan gerakan tangan manusia telah dilakukan oleh beberapa peneliti sebelumnya dengan menggunakan berbagai metode. Neto, et al. (2013) meneliti tentang penempatan gerakan tangan yang statis secara real-time dan berlanjut dengan mengimplementasikan metode Artificial Neural Network (ANN). Melalui penelitian ini robot dapat diinstruksikan untuk melakukan gerakan tangan yang sama dengan gerakan tangan manusia. Penelitian ini menghasilkan tingkat pengenalan yang sangat baik yaitu 99,8% untuk sepuluh gerakan tangan dan 96,3% untuk tiga puluh gerakan. Selain itu, hasil dari penelitian ini juga menunjukkan bahwa pelatihan dan pembelajaran dapat dilakukan dengan waktu yang singkat serta mampu mengeneralisasi dan mengoperasikan kondisi di sekitar lingkungan secara independen. Ramjan, et al. (2014) meneliti tentang implementasi pengenalan dan pendeteksian gerakan tangan secara real-time untuk interaksi manusia dan komputer. Kamera web digunakan untuk menelusuri gerakan objek pada penelitian ini. Proses blurring, grayscaling, HSV (Hue Saturation Value) model dan blob detection kemudian dilakukan pada objek yang tertangkap. Proses akhir dari penelitian ini yaitu penentuan
2 gerakan melalui proses mencocokkan gambar dengan gambar yang tersimpan dalam database. Hasil dari penelitian ini menunjukkan bahwa interaksi yang melibatkan penambahan tulisan baru, pengontrolan media seperti pemutar music, slide presentasi, photo viewer dan operasi pada PC dapat dilakukan menggunakan gerakan tangan. Chairunnisa (2015) mengajukan penelitian mengenai pengenalan gerakan tangan manusia yang statis menggunakan Hs-CbCr (HueSaturation-ChromaBlueChromaRed) untuk mendeteksi warna kulit. Aplikasi pengolah presentasi, pemutar musik, pemutar video dan PDF reader dapat dikendalikan menggunakan kondisi tangan kosong dan latar belakang yang kompleks melalui kamera web. Hasil penelitian ini mencapai tingkat akurasi 96,87% dalam mengenali gerakan tangan manusia yang statis dengan syarat kondisi pencahayaan yang baik. Penelitian yang telah dilakukan sebelumnya memiliki beberapa kelemahan yakni tingkat akurasi yang semakin menurun apabila pengenalan jenis gerakan tangan dilakukan dalam jumlah yang besar. Pengenalan gerakan tangan yang dilakukan masih statis sehingga masih kurang interaktif. Pada penelitian mengenai pengenalan gerakan tangan dinamis ditemukan bahwa ada kemungkinan gambar yang ditangkap tidak cocok dengan setiap gambar yang tersimpan dalam database. Untuk mengatasi kelemahan-kelemahan yang terdapat pada penelitian sebelumnya, penulis mencoba untuk melakukan penelitian mengenai pengenalan gerakan tangan manusia untuk interaksi manusia-komputer dengan mengimplementasikan metode Deep Neural Network (DNN). Jurnal mengenai DNN pertama kali dipublikasikan pada tahun 1971 yang meneliti tentang pelatihan deep network dengan delapan lapisan (layer) menggunakan algoritma Group Method of Data Handling (GMDH) (Ivakhnenko, 1971). Pengembangan DNN pada tahun 2016 dilakukan oleh perusahaan Google dengan membuat kecerdasan buatan dalam permainan igo yang disebut sebagai AlphaGo. AlphaGo berhasil mengalahkan juara igo Eropa dan memiliki tingkat kemenangan sebesar 99,8% dalam permainan igo (Silver et al., 2016). DNN merupakan feed-forward Neural Network dengan jumlah hidden layer lebih dari satu. Arsitektur ini juga sering disebut sebagai deep architecture. DNN merupakan sebuah teknik pada mesin pembelajaran (machine learning) yang menggunakan data dalam jumlah besar untuk mengajarkan mesin komputer mengerjakan hal yang dapat dilakukan oleh manusia seperti mengenali gambar, tulisan, bahasa hingga mengurutkannya dalam pencarian. DNN menggunakan banyak
3 lapisan (layer) dari pemrosesan informasi non-linear untuk ekstrasi dan pembentukan fitur yang diawasi atau tidak, serta untuk analisis dan klasifikasi pada pola (Deng & Yu, 2014). Berdasarkan latar belakang di atas, penulis mengajukan proposal penelitian dengan judul PENGENALAN GERAKAN TANGAN MANUSIA MENGGUNAKAN DEEP NEURAL NETWORK. 1.2. Rumusan Masalah Interaksi manusia dan komputer secara umum dilakukan menggunakan keyboard dan mouse. Interaksi tersebut memiliki kekurangan dimana interaksi tidak dapat dilakukan oleh tunadaksa yang mengalami disabilitas (cacat) pada pergelangan tangan sampai ujung jari tangan. Hal ini menyebabkan diperlukannya suatu pendekatan untuk mengenali gerakan tangan manusia dalam interaksi manusia-komputer. 1.3. Tujuan Penelitian Mengenali gerakan tangan manusia menggunakan Deep Neural Network dan hasil pengenalan gerakan tangan manusia akan diimplementasikan untuk mengendalikan aplikasi komputer. 1.4. Batasan Masalah Untuk menghindari perluasan dan penyimpangan yang tidak diperlukan, penulis mebuat batasan sebagai berikut: 1. Pengenalan gerakan tangan yang dilakukan hanya meliputi tangan manusia. 2. Pengambilan gerakan tangan dilakukan dengan kondisi satu tangan dan tangan tidak memegang benda apapun. 3. Arah gerakan tangan yang dikenali dibagi menjadi dua kelompok yakni empat jenis arah gerakan tangan yang terdiri dari arah ke kanan, ke kiri, ke atas dan ke bawah dan enam jenis arah gerakan tangan yang terdiri dari arah ke kanan, ke kiri, ke atas, ke bawah, ke depan dan ke belakang. 4. Hasil pengenalan gerakan tangan hanya dapat digunakan untuk mengendalikan aplikasi file explorer, music player, video player, slideshow dan PDF reader.
4 1.5. Manfaat Penelitian Manfaat dari penelitian ini adalah: 1. Mengetahui proses kerja dari metode Deep Neural Network dalam melakukan proses pengenalan gerakan tangan manusia. 2. Membantu pengguna dalam melakukan interaksi dengan komputer menggunakan gerakan tangan. 3. Membantu pengguna yang memiliki disabilitas pada tangan seperti kelumpuhan dari pergelangan tangan sampai ujung jari tangan dan pergelangan tangan ataupun jari tangan yang diamputasi dalam melakukan interaksi dengan komputer menggunakan gerakan tangan. 1.6. Metodologi Penelitian Tahapan-tahapan yang akan dilakukan pada pelaksanaan penelitian adalah sebagai berikut: 1. Studi Literatur Studi Literatur dilakukan dalam rangka pengumpulan bahan referensi mengenai nearest neighbor, grayscaling, frame differencing, jaringan saraf tiruan, dan Deep Neural Network.dari beberapa jurnal, artikel, buku, dan beberapa sumber referensi lainnya. 2. Analisis Permasalahan Pada tahap ini dilakukan analisis terhadap studi literatur yang telah dikumpulkan pada tahap sebelumnya untuk mendapatkan pemahaman mengenai metode yang diterapkan yakni Deep Neural Network, serta masalah yang akan diselesaikan yakni pengenalan gerakan tangan manusia. 3. Perancangan Pada tahap ini dilakukan perancangan arsitektur, pengumpulan data, pembagian data yang telah didapatkan ke dalam training dataset dan testing dataset serta perancangan antarmuka. Proses perancangan dilakukan berdasarkan hasil analisis studi literatur yang telah diperoleh. 4. Implementasi Pada tahap ini dilakukan implementasi ke dalam kode sesuai dengan analisis dan perancangan yang telah dilakukan pada tahap sebelumnya.
5 5. Pengujian Pada tahap ini dilakukan pengujian terhadap hasil yang didapatkan melalui implementasi metode Deep Neural Network dalam mengenali gerakan tangan manusia untuk memastikan hasil pengenalan sesuai dengan apa yang diharapkan. 6. Dokumentasi dan Penyusunan Laporan Pada tahap ini dilakukan dokumentasi dan penyusunan laporan hasil evaluasi dan analisis serta implementasi metode Deep Neural Network dalam pengenalan gerakan tangan manusia. 1.7. Sistematika Penulisan Sistematika penulisan dari skripsi ini terdiri atas lima bagian utama sebagai berikut: Bab 1: Pendahuluan Bab ini berisi latar belakang dari peneltian yang dilaksanakan, rumusan masalah, tujuan penelitian, batasan masalah, manfaat penelitian, metodologi penelitian, serta sistematika penulisan. Bab 2: Landasan Teori Bab ini berisi teori-teori yang diperlukan untuk memahami permasalahan yang dibahas pada penelitian ini. Teori-teori yang berhubungan dengan nearest neighbor, grayscaling, frame differencing, Principal Component Analysis, jaringan saraf tiruan, dan Deep Neural Network akan dibahas pada bab ini. Bab 3: Analisis dan Perancangan Bab ini menjabarkan arsitektur umum, tiap langkah pre-processing yang dilakukan, serta analisis dan penerapan metode Deep Neural Network untuk melakukan pengenalan gerakan tangan manusia yang tertangkap oleh kamera web. Bab 4: Implementasi dan Pengujian Bab ini berisi pembahasan tentang implementasi dari perancangan penerapan yang telah dijabarkan pada bab 3. Selain itu, hasil yang didapatkan dari pengujian terhadap implementasi yang dilakukan juga dijabarkan pada bab ini.
6 Bab 5: Kesimpulan dan Saran Bab ini berisi ringkasan serta kesimpulan dari rancangan yang telah dibahas pada bab 3, serta hasil penelitian yang dijabarkan pada bab 4. Bagian akhir dari bab ini akan berisi saran-saran yang diajukan untuk pengembangan penelitian selanjutnya.